Tencent выложила Hy-Nomas: опенсорс-модель интерактивного видеомира на одной RTX 4090.
Tencent опубликовала Hy-Nomas, открытую модель интерактивного видеомира, которая запускается на одной видеокарте RTX 4090.
Модель строит мир по сегментам видео, а управление выполняется текстом и траекторией камеры. На каждом шаге можно сменить сцену, стиль, действие или ракурс, при этом память мира сохраняется между сегментами. Выходное разрешение составляет 720x1280 при 24 fps. Для узких областей вроде робототехники предусмотрена лёгкая адаптация через LoRA.
На одной RTX 4090 модель работает с INT8-весами, INT8 KV-кэшем и выгрузкой на CPU. Стандартная конфигурация рассчитана на восемь GPU. В репозитории доступны код обучения, инференса и демо, лицензия Apache-2.0.
Бенчмарков для самой модели пока нет, технический отчёт обещают позже.
Ссылки
Ещё новости:
