Tencent открыла код и веса Hy-Nomas — модель строит управляемый видеомир по тексту

Tencent выложила в открытый доступ world model Hy-Nomas — систему, которая генерирует управляемый видеомир по тексту и командам камеры. Анонс был за несколько дней до показа Genie 4 от Google DeepMind, теперь опубликованы код и веса под лицензией Apache 2.0.

Видео достраивается фрагментами, а связь между ними держится в KV-кеше — внутренней памяти модели о том, что уже сгенерировано. Движение камеры задаётся заранее или меняется между фрагментами.

Модель можно дообучать на своих видео через LoRA, есть готовые адаптеры для киношной картинки и робототехники.