Kort fortalt

  • Hy-Nomas lar tekstbeskjeder og kamerabaner styre videre videogenerering.
  • RTX 4090-oppsettet gjelder videodelen; nettdemoen trenger også Nomas-PE.
  • Tencents egne Hy-Nomas-komponenter er utgitt under Apache 2.0; tredjepartsvilkår består.

Nye beskjeder underveis

Tencent Hy presenterte Hy-Nomas på selskapets X-konto 23. oktober klokken 17.00 UTC. Ifølge Tencent genererer modellen en videobasert verden i sammenhengende deler, som kan styres med tekst og kamerabaner.

Ifølge modellkortet kan brukeren legge til gjenstander, endre stil og omgivelser eller beskrive handlinger mens genereringen fortsetter. Kamerastyringen bestemmer synsvinkel og bevegelse. Det gir flere runder med påvirkning av samme videoforløp.

En hurtigbuffer tar med informasjon fra tidligere sekvenser inn i de neste. Standardoppsettet beholder hele historikken, mens enkeltkortoppsettet begrenser historikken som brukes aktivt på grafikkortet og lagrer et arkiv i arbeidsminnet.

Ett grafikkort dekker videodelen

GitHub-prosjektet inneholder kode for trening, generering, nettdemo og klargjøring av treningsdata. På Hugging Face ligger både grunnmodellen, en destillert variant for færre genereringstrinn og en minnebesparende variant med INT8-vekter.

Utgivelsen inneholder også LoRA-adaptere, tilleggsvekter for å tilpasse modellen til bestemte oppgaver. De publiserte variantene gjelder filmatisk uttrykk og robotarmer. Kodearkivet beskriver hvordan slike tilpasninger trenes på egne videodata og deretter slås sammen med den destillerte modellen. INT8-oppsettet støtter ikke innlasting av en separat LoRA-adapter under generering.

Tencent dokumenterer et eget oppsett for videogenerering på ett NVIDIA GeForce RTX 4090. Det kombinerer INT8-lagring av modellvekter og hurtigbuffer, en FP8-dekoder og flytting av modeller mellom prosessorens arbeidsminne og grafikkortet. Minnebehovet avhenger blant annet av oppløsning og sekvenslengde.

Den komplette nettdemoen trenger i tillegg Nomas-PE, en separat tjeneste som omformer brukerbeskjeder til strukturerte modellinstruksjoner. Denne bruker egne GPU-ressurser. Ettkortsstøtten for videogenerering beskriver dermed ikke ressursbehovet for hele nettdemoen.

Tilgjengelige vekter og tydelige maskinkrav

Modellkortets standardoppsett oppgir 720 × 1280 piksler og 24 bilder i sekundet. Tallet gjelder avspillingen av den ferdige videoen. Hvor raskt bildene lages, avhenger av maskinvare, oppløsning, sekvenslengde, historikk og valgt oppsett.

Lisensfilens innledning oppgir Apache 2.0 for koden, parameterne og vektene Tencent har offentliggjort som Hy-Nomas. Tredjepartsmodeller og programkomponenter beholder sine opprinnelige lisensvilkår.

Flere kilder

Kilder og åpenhet

Sammendraget bygger på opplysninger fra Tencent Hy, publisert 23. oktober 2026 kl. 19:00. Les kilden for alle detaljene og eventuelle senere oppdateringer.

Les originalkilden hos Tencent Hy

Vi har skrevet sammendraget med hjelp fra KI. Vi har ikke selv testet leverandørens påstander eller resultater. Bildet er en illustrasjon, ikke dokumentasjon av produktet eller hendelsen. Slik bruker vi kilder.