HY-WorldPlay

HY-WorldPlay

HY-WorldPlay(Tencent (Hunyuan)):世界模型、video;已验证。

HY-WorldPlay 是腾讯的实时交互世界视频模型:从一张图出发,跟随位姿/动作输入向前滚动世界——混元世界栈的交互分支。本 catalog 中 runner 已按官方 image-pose-video 路径与官方 8 卡执行档案验证。

论文官方 Teaser:HY-WorldPlay 的视频生成论文配图。
论文官方 Teaser:HY-WorldPlay 的视频生成论文配图。

记录论文为arXiv 2602.09022。

项目页:3d-models.hunyuan.tencent.com/world。代码:Tencent-Hunyuan/HY-WorldPlay。

构建运行命令

推理 Pipeline
HunyuanWorldPlayPipelineworldfoundry.pipelines.hunyuan_world.pipeline_hunyuan_worldplay
任务Official Image Pose Video official-image-pose-video
环境worldfoundry-unified-cu128
设备CUDA 12.8
Runnerworldfoundry.pipeline
加载方式from_pretrained
调用方式native_or_standard_invocation
worldfoundry-eval run \
  hy-worldplay \
  --pipeline.task-profile official-image-pose-video \
  --json

用来做什么

需要动作条件世界步进时选 hy-worldplay:记录动作与帧进、滚动生成出。用来做交互世界推理,不是把 prompt 倒进文生视频。

记录的 checkpoint 组合揭示其装配:tencent/HY-WorldPlay 动作权重叠加 tencent/HunyuanVideo-1.5 视频模型支持资产,辅以 Qwen2.5-VL-7B-Instruct、byt5-small 与 FLUX.1-Redux-dev 支持组件。树内 pipeline 遵循官方 demo 契约。该模型由腾讯(混元)发布。

catalog 记录的任务包括 世界模型、video。别名包括 hunyuan-worldplay、hunyuanworldplay。输出模态为视频。

记录的评测入口包括WorldModelBench(交互式世界滚动生成质量)、CameraBench(位姿/相机跟随精度)。

HY-WorldPlay 交互回放。不是 HY-World 2.0。

运行时契约

可选 image、prompt、interactions、num_frames、fps;产物 hy-worldplay.mp4。

CLI task profile:official-image-pose-video。绑定的 pipeline 类是 HunyuanWorldPlayPipeline。

系列状态:已验证。

official-image-pose-video 记录默认值:num_frames=125, fps=24, height=480, width=832, num_inference_steps=4, seed=1。

官方路径使用 8 个 torchrun rank——请准备多卡主机并就位全部五套记录的 checkpoint。 完整 benchmark 打分与更长交互套件是独立工作。

在 WorldFoundry 中运行

启动 worldfoundry-eval run hy-worldplay --pipeline.task-profile official-image-pose-video 推进世界。上方命令构建器按已记录任务切换 --pipeline.task-profile,发出的仍是 worldfoundry-eval run。

运行环境是统一 profile worldfoundry-unified-cu128(Python 3.11,CUDA 12.8)。

记录的权重仓库包括 tencent/HY-WorldPlay、tencent/HunyuanVideo-1.5、Qwen/Qwen2.5-VL-7B-Instruct 等。准备环境并检查本地资产:bash scripts/inference/prepare_model_infer.sh hy-worldplay;下载缺失的公开权重时加 --download。

状态:已验证。