腾讯混元开源 Hy-Nomas，可用文字和镜头逐段生成视频世界

　　腾讯混元视觉生成团队开源交互式视频世界模型 Hy-Nomas，并提供在线演示。用户先描述场景，再用多轮文字或相机轨迹控制后续片段，逐步改变物体、风格、场景与角色动作。

　　模型按片段自回归生成，并保留贯穿生成过程的 KV 缓存，帮助后续画面延续前面的场景。交互界面支持在片段之间继续输入指令，也可以用键盘调整镜头；公众号「产品笔记」的实测展示了先生成厨房里的猫，再继续指定猫起身、伸懒腰和向前行走的过程。

　　官方仓库已公开训练、推理、演示和数据标注代码，模型权重同步上线 Hugging Face。开发者可用自有视频做 LoRA 微调；低显存配置支持单张 RTX 4090，通过 INT8 权重与缓存、滑动窗口历史及 CPU 卸载降低显存需求，卸载也会增加数据传输开销。项目采用 Apache 2.0 许可。