텐센트 혼위안(Tencent Hunyuan)의 대화형 비디오 세계 모델로, 10월 26일에 이미 등재되었습니다. 영상은 구간별로 생성되며, 각 구간마다 텍스트를 통해 물체를 추가하거나 스타일을 변경하고, 동작을 서술하거나 카메라 경로를 지정할 수 있습니다. 이전 내용은 KV 캐시를 통해 이어집니다. 이번 재등재는 이후 기술 보고서가 추가되고, 커뮤니티 배포 경로가 몇 가지 늘었기 때문입니다.
상승 점수 69 · 좋아요 126 · 다운로드 수 53401
이유
- 10월 26일 대비 새로운 내용: 기술 보고서가 10월 27일 arXiv에 게재되었습니다(2610.36729). 백본은 8B 확산 모델이며, 구조화된 비디오 설명과 동작 시간 창으로 제한된 인과적 주의 메커니즘을 사용합니다. 학습은 다단계 커리큘럼을 거치며, 최종적으로 확산 증류(distillation)를 수행합니다. 초록에서는 인간 평가가 기존 세계 모델보다 우수하다고 언급했지만, 구체적인 점수는 제시하지 않았습니다.
- 커뮤니티 연동: 제3자 ComfyUI-Hy-Nomas 노드는 저자가 12GB 그래픽 카드에서 실행 가능하다고 주장하며, 이미지 하나로 세계를 시작하거나 WASD 키보드로 구간별로 조작할 수 있습니다. SGLang Diffusion은 이미 지원이 병합되어 오프라인 작업과 실시간 스트리밍 세션 모두 실행 가능합니다. WanGP v18.81에도 세계 생성 및 키보드 내비게이션 기능이 추가되었습니다.
- ComfyUI 노드 저자가 제공한 예시: 4개의 5초 클립을 연결해 20초를 만들며, 해상도는 1280×704, 프레임률은 24fps이고, RTX 4090에서 각 클립당 약 3분이 소요됩니다. 공식 GitHub에서는 증류 버전이 4 / 6 / 8 단계 추론을 지원한다고 밝히고 있습니다.
사용법
- ComfyUI: ComfyUI-Manager에서 'Hy-Nomas (world model)'을 검색하거나,
comfy node install hy-nomas를 실행하세요. PedroMarinhoDev/Hy-Nomas-ComfyUI에서hy_nomas_distil_int8.safetensors를diffusion_models폴더에,hy_nomas_pixelumm_fp8.safetensors를vae폴더에 넣으세요. 텍스트 인코더는 Qwen-Image와 동일한qwen_2.5_vl_7b_fp8_scaled를 사용합니다. 샘플링 설정은 euler / simple / 8단계 / cfg 1으로 하고, 해상도는 1280×704 또는 832×480을 선택하세요. - 공식 코드:
git clone Tencent-Hunyuan/Hy-Nomas를 실행하세요. 단일 GPU 사용 시configs/experiment/single_gpu_low_mem_inference.yaml을 사용하고, INT8 DiT와 FP8 PixelUMM을 조합하세요. 표준 설정은 기본적으로 8개의 GPU에서 시퀀스 병렬 처리를 요구합니다. 프롬프트는 JSON 형식이며, 각 구간의 시작 및 종료 시간을 명시하고, 이후 구간에서는description_change를 통해 화면 변화 내용을 서술합니다. - 배포가 부담스럽다면 공식 온라인 데모(hy-nomas.hy.tencent.com)를 먼저 사용해 보세요.
리스크
- ComfyUI 노드는 커뮤니티 작품으로, 저자가 '개발 중'이라고 명시하고 있어 노드 입력이 변경될 수 있으며, 코드는 GPL-3.0 라이선스를 따릅니다. '이미지에서 시작'하는 방식은 이미지를 히스토리 메모리에 넣는 것이며, 모델 자체는 이미지 입력을 받지 않습니다.
- 기술 보고서 초록에는 정량적 점수가 없으며, 인간 평가 세부 사항은 본 란에서 검증되지 않았습니다. 공식 단일 GPU 4090 설정은 언로드된 모델과 누적되는 히스토리 캐시를 저장하기 위해 대량의 시스템 메모리를 필요로 하며, INT8 버전은 추론 시 LoRA를 로드할 수 없습니다.
- 웹 데모는 프롬프트 증강 서비스인 Nomas-PE를 별도로 배포해야 합니다. 24fps는 재생 프레임률일 뿐이며, 생성 속도는 하드웨어, 해상도 및 히스토리 길이에 따라 달라집니다.