news 2026/9/22 1:31:58

【腾讯拥抱开源】HY-World 1.5:具有实时延迟与几何一致性的交互式世界建模系统框架

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
【腾讯拥抱开源】HY-World 1.5:具有实时延迟与几何一致性的交互式世界建模系统框架

🎮 HY-World 1.5: 具有实时延迟与几何一致性的交互式世界建模系统框架

📖 简介

尽管HY-World 1.0能够生成沉浸式3D世界,但其依赖耗时的离线生成流程且缺乏实时交互能力。HY-World 1.5通过WorldPlay填补了这一空白——这是一个支持实时交互式世界建模的流式视频扩散模型,具备长期几何一致性,解决了现有方法在速度与内存之间的权衡难题。我们的模型依托四大核心设计实现突破:

  1. 双重动作表征:通过键盘鼠标输入实现鲁棒的动作控制;
  2. 重构上下文记忆:动态重组历史帧上下文,采用时序重构技术保留几何关键帧的可访问性,有效缓解记忆衰减;
  3. 世界罗盘:创新的强化学习后训练框架,直接提升长时序自回归视频模型的动作跟随性与视觉质量;
  4. 上下文强制蒸馏:专为记忆感知模型设计的新蒸馏方法,通过对齐师生模型的记忆上下文保留远程信息处理能力,在实现实时速度的同时避免误差漂移。

综合而言,HY-World 1.5能以24FPS生成具备卓越一致性的长时序流式视频,性能优于现有技术。该模型在多样化场景中展现出强大泛化能力,支持第一人称与第三人称视角,兼容写实与风格化环境,可应用于3D重建、可触发事件及无限世界扩展等多元场景。

  • 系统概览
    HY-World 1.5开源了实时世界模型的系统化训练框架,涵盖数据、训练、推理部署全流程。技术报告详细披露了模型预训练、中期训练、强化学习后训练及记忆感知蒸馏的具体实现,并介绍了一系列降低网络传输延迟与模型推理延迟的工程技术,最终为用户提供实时流式推理体验。

  • 推理流程

    给定一张图像或描述世界的文本提示,我们的模型执行下一片段(16个视频帧)预测任务,根据用户动作生成未来视频。对于每个片段的生成,我们会动态重组过去片段的上下文记忆,以确保长期的时间和几何一致性。

🔑 使用示例

我们开源了双向扩散模型和自回归扩散模型的推理代码。对于提示词改写,推荐使用Gemini或通过vLLM部署的模型。当前代码库仅支持兼容vLLM API的模型。如需使用Gemini,需自行实现接口调用。具体实现可参考HunyuanVideo-1.5项目。

推荐使用generate_custom_trajectory.py脚本生成自定义相机运动轨迹。

exportT2V_REWRITE_BASE_URL="<your_vllm_server_base_url>"exportT2V_REWRITE_MODEL_NAME="<your_model_name>"exportI2V_REWRITE_BASE_URL="<your_vllm_server_base_url>"exportI2V_REWRITE_MODEL_NAME="<your_model_name>"PROMPT='A paved pathway leads towards a stone arch bridge spanning a calm body of water. Lush green trees and foliage line the path and the far bank of the water. A traditional-style pavilion with a tiered, reddish-brown roof sits on the far shore. The water reflects the surrounding greenery and the sky. The scene is bathed in soft, natural light, creating a tranquil and serene atmosphere. The pathway is composed of large, rectangular stones, and the bridge is constructed of light gray stone. The overall composition emphasizes the peaceful and harmonious nature of the landscape.'IMAGE_PATH=./assets/img/test.png# Now we only provide the i2v model, so the path cannot be NoneSEED=1ASPECT_RATIO=16:9RESOLUTION=480p# Now we only provide the 480p modelOUTPUT_PATH=./outputs/MODEL_PATH=# Path to pretrained hunyuanvideo-1.5 modelAR_ACTION_MODEL_PATH=# Path to our HY-World 1.5 autoregressive checkpointsBI_ACTION_MODEL_PATH=# Path to our HY-World 1.5 bidirectional checkpointsAR_DISTILL_ACTION_MODEL_PATH=# Path to our HY-World 1.5 autoregressive distilled checkpointsPOSE_JSON_PATH=./assets/pose/test_forward_32_latents.json# Path to the customized camera trajectoryNUM_FRAMES=125# Configuration for faster inference# For AR inference, the maximum number recommended is 4. For bidirectional models, it can be set to 8.N_INFERENCE_GPU=4# Parallel inference GPU count.# Configuration for better qualityREWRITE=false# Enable prompt rewriting. Please ensure rewrite vLLM server is deployed and configured.ENABLE_SR=false# Enable super resolution. When the NUM_FRAMES == 121, you can set it to true# inference with bidirectional modeltorchrun --nproc_per_node=$N_INFERENCE_GPUgenerate.py\--prompt"$PROMPT"\--image_path$IMAGE_PATH\--resolution$RESOLUTION\--aspect_ratio$ASPECT_RATIO\--video_length$NUM_FRAMES\--seed$SEED\--rewrite$REWRITE\--sr$ENABLE_SR--save_pre_sr_video\--pose_json_path$POSE_JSON_PATH\--output_path$OUTPUT_PATH\--model_path$MODEL_PATH\--action_ckpt$BI_ACTION_MODEL_PATH\--few_stepfalse\--model_type'bi'# inference with autoregressive model#torchrun --nproc_per_node=$N_INFERENCE_GPU generate.py \# --prompt "$PROMPT" \# --image_path $IMAGE_PATH \# --resolution $RESOLUTION \# --aspect_ratio $ASPECT_RATIO \# --video_length $NUM_FRAMES \# --seed $SEED \# --rewrite $REWRITE \# --sr $ENABLE_SR --save_pre_sr_video \# --pose_json_path $POSE_JSON_PATH \# --output_path $OUTPUT_PATH \# --model_path $MODEL_PATH \# --action_ckpt $AR_ACTION_MODEL_PATH \# --few_step false \# --model_type 'ar'# inference with autoregressive distilled model#torchrun --nproc_per_node=$N_INFERENCE_GPU generate.py \# --prompt "$PROMPT" \# --image_path $IMAGE_PATH \# --resolution $RESOLUTION \# --aspect_ratio $ASPECT_RATIO \# --video_length $NUM_FRAMES \# --seed $SEED \# --rewrite $REWRITE \# --sr $ENABLE_SR --save_pre_sr_video \# --pose_json_path $POSE_JSON_PATH \# --output_path $OUTPUT_PATH \# --model_path $MODEL_PATH \# --action_ckpt $AR_DISTILL_ACTION_MODEL_PATH \# --few_step true \# --num_inference_steps 4 \# --model_type 'ar'

📊 评估结果

HY-World 1.5 在多项量化指标上超越现有方法,包括不同视频时长的重建指标和人工评估结果。

ModelReal-timeShort-termLong-term
PSNRSSIMLPIPSR d i s t R_{dist}RdistT d i s t T_{dist}TdistPSNRSSIMLPIPSR d i s t R_{dist}RdistT d i s t T_{dist}Tdist
CameraCtrl17.930.5690.2980.0370.34110.090.2410.5490.7331.117
SEVA19.840.5980.3130.0470.22310.510.3010.5170.7211.893
ViewCrafter19.910.6170.3270.0290.5439.320.2710.6611.5733.051
Gen3C21.680.6350.2780.0240.47715.370.4310.4830.3570.979
VMem19.970.5870.3160.0480.21912.770.3350.5420.7481.547
Matrix-Game-2.017.260.5050.3830.2870.8439.570.2050.6312.1252.742
GameCraft21.050.6390.3410.1510.61710.090.2870.6142.4973.291
Ours (w/o Context Forcing)21.270.6690.2610.0330.15716.270.4250.4950.6110.991
Ours (full)21.920.7020.2470.0310.12118.940.5850.3710.3320.797

🎬 更多示例

https://github.com/user-attachments/assets/6aac8ad7-3c64-4342-887f-53b7100452ed

https://github.com/user-attachments/assets/531bf0ad-1fca-4d76-bb65-84701368926d

https://github.com/user-attachments/assets/f165f409-5a74-4e19-a32c-fc98d92259e1

📚 引用

@article{hyworld2025, title={HY-World 1.5: A Systematic Framework for Interactive World Modeling with Real-Time Latency and Geometric Consistency}, author={Team HunyuanWorld}, journal={arXiv preprint}, year={2025} } @article{worldplay2025, title={WorldPlay: Towards Long-Term Geometric Consistency for Real-Time Interactive World Model}, author={Wenqiang Sun and Haiyu Zhang and Haoyuan Wang and Junta Wu and Zehan Wang and Zhenwei Wang and Yunhong Wang and Jun Zhang and Tengfei Wang and Chunchao Guo}, year={2025}, journal={arXiv preprint} } @inproceedings{wang2025compass, title={WorldCompass: Reinforcement Learning for Long-Horizon World Models}, author={Zehan Wang and Tengfei Wang and Haiyu Zhang and Wenqiang Sun and Junta Wu and Haoyuan Wang and Zhenwei Wang and Hengshuang Zhao and Chunchao Guo and Zhou Zhao}, journal = {arXiv preprint}, year = 2025 }

🙏 致谢

我们要感谢 HunyuanWorld、HunyuanWorld-Mirror、HunyuanVideo 和 FastVideo 的杰出贡献。

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/9/22 2:15:22

基于VUE的好利来蛋糕销售网站[VUE]-计算机毕业设计源码+LW文档

摘要&#xff1a;随着互联网技术的发展和消费者购物习惯的转变&#xff0c;线上销售成为蛋糕行业的重要渠道。本文以好利来蛋糕销售网站为研究对象&#xff0c;阐述基于VUE框架开发该网站的过程。网站涵盖系统用户管理、新闻数据管理、变幻图设置、留言管理、类别管理、门店管理…

作者头像 李华
网站建设 2026/9/22 1:37:51

拒绝无效加班!免费 RPA 工具合集,轻松搞定数据录入 / 报表整理

每天重复录入数据到深夜&#xff1f;报表整理、订单统计、多平台内容分发占用大量时间&#xff1f;其实你不用这么累——免费RPA就能帮你解放双手。作为数字经济时代的效率神器&#xff0c;免费RPA不仅能零成本解决重复性工作难题&#xff0c;还能让非技术人员轻松上手自动化操…

作者头像 李华
网站建设 2026/9/21 18:48:04

【Open-AutoGLM量子协同突破】:揭秘量子计算与大模型融合的5大核心技术

第一章&#xff1a;Open-AutoGLM量子协同突破的背景与意义近年来&#xff0c;人工智能与量子计算的交叉研究成为科技前沿的重要方向。Open-AutoGLM作为首个开源的自动推理大语言模型&#xff0c;结合量子协同计算框架&#xff0c;实现了在复杂逻辑推理任务中的指数级加速。这一…

作者头像 李华
网站建设 2026/9/22 1:38:36

5个策略帮助企业充分利用YashanDB数据库

在当前数据驱动的业务环境中&#xff0c;企业面临着数据库系统性能瓶颈、数据一致性保障和高可用性需求等共性挑战。随着数据量和并发访问的增长&#xff0c;数据库的存储管理、事务处理和查询优化能力成为影响业务效率的关键因素。YashanDB作为一款支持单机、分布式及共享集群…

作者头像 李华
网站建设 2026/9/20 22:01:55

5个策略提升你对YashanDB数据库的掌控力

在现代数据驱动的业务环境中&#xff0c;如何优化数据库查询速度以满足高并发和大数据量的访问需求&#xff0c;成为数据库管理核心的挑战之一。YashanDB作为具备多形态部署能力、灵活存储结构及高可用机制的数据库&#xff0c;提供了丰富的技术架构和功能组件。本篇文章将深入…

作者头像 李华