用语言改剧情，用镜头探索：腾讯混元 Hy-Nomas 开源

点击“计算机视觉life”，选择“星标”

机器人AI干货第一时间送达

让角色行动，转动镜头观察，再用新指令推进故事。下一步，可以看完这一轮再决定。

腾讯混元开源的 Hy-Nomas，探索的正是这种 Free-form（自由形式）交互：用自然语言指定动作，用连续相机控制调整视角，让后续生成结合新的输入，延续已有的场景与故事。代码、模型权重与评测基准已开放，读者也可以通过在线 Demo 亲自体验。

文字推动剧情，镜头带你探索。 在同一个世界里，一轮轮决定接下来发生什么。

先看宣传片

01 四组演示，走进自由交互

用一句话，决定接下来发生什么

让角色行动、改变环境、推动故事，自由文本控制把这些想法接入视频生成。指令不局限于预定义命令，你可以根据当前画面提出下一步要求，观察世界如何回应。

让文字和镜头接力，继续探索

先用文字指挥动作，再移动镜头看看周围，随后接上一条新指令。Hy-Nomas 支持在多轮交互中交替使用文本指令与连续相机控制，让行动与观察在同一个世界中衔接起来。

把故事继续下去：60 秒生成演示

下面三段示例均展示了 60 秒的视频生成。随着连续指令推进，场景与动作逐步展开，可以观察前后片段如何衔接，以及故事如何随新的输入发生变化。

离开再返回，观察世界的记忆

转动镜头、离开一处场景，再回到刚才的位置，物体外观和环境布局能否对得上？这组演示聚焦持续探索中的场景一致性。世界记忆也是下方评测的一部分，仍有值得继续改进的空间。

项目还展示了多视角、写实与动漫等不同风格，以及场景适配的示例，更多演示可以在项目主页查看。

02 280 个案例，看交互表现

演示之外，项目通过 Hy-Nomas-Bench 的 280 个案例检验交互表现，覆盖多轮文本交互（60）、相机控制（100）、文本与相机交替控制（60）及空间记忆（60）。每个案例在同一世界中连续执行，轮次之间不重置场景，由三名经过标准校准的标注者进行成对评测。

下图以 Hy-Nomas 为参照，绿、灰、粉分别表示胜、平、负。GSB 比例反映评测中的相对偏好，不代表任务成功率。

各模型使用其支持的交互接口；其中，LingBot-World v2 在文本和交替控制任务中使用的是适配后的开源模型。

评测中值得关注的结果有：

• 文本指令遵循： 相对 HappyOyster-Directing 和适配后的 LingBot-World v2，胜率分别为 **65.0% 和 75.0%**。
• 文字与相机交替控制： 相对适配后的 LingBot-World v2，指令遵循与物理合理性的胜率分别为 **75.0% 和 73.3%**。
• 相机控制： 三组比较均以平局为主，胜率均高于负率。
• 空间记忆： 相对 LingBot-World v2 的胜率为 58.3%，与 HappyOyster 较为接近；相对 Genie 3 的胜、平、负为 13.3%、56.7%、30.0%。

这些结果展示了 Hy-Nomas 在文本指令响应和交替控制上的潜力，也提示了当前的边界：长程空间一致性仍有提升空间。

03 现在就去试试

想试试这个世界会怎样回应你的指令，可以先打开在线 Demo；也可以下载模型、查看代码与评测，进一步探索自己的交互场景。

体验与演示

• 在线体验 👉 https://hy-nomas.hy.tencent.com/demo
• 项目主页 👉 https://hy-nomas.hy.tencent.com/
• 混元官网介绍 👉 https://hy.tencent.com/model/open-source-model/detail?id=hy-nomas

开源与资料

• 代码与部署说明 👉 https://github.com/Tencent-Hunyuan/Hy-Nomas
• 模型权重 👉 https://huggingface.co/tencent/Hy-Nomas
• 技术报告 👉 https://github.com/Tencent-Hunyuan/Hy-Nomas/blob/main/Hy_Nomas_Tech_Report.pdf
• 评测基准 👉 https://huggingface.co/datasets/tencent/Hy-Nomas-Bench

下一句指令、下一个视角，交给你来决定。 如果你也对自由交互的世界生成感兴趣，欢迎体验 Hy-Nomas，并在 GitHub 留下一颗 Star，关注项目进展。

新品上新

新品预告｜简介EDU-BOX：拓展具身智能的连接与行动边界

让机器人真正走进真实场景：从“能移动”到“会认路”EDU-D360 × EDU-BOX 一体化智能机器人方案来了

“超级拓展坞”正式发布，EDU-BOX走向实际应用，让机器人从“会走”到“会干活”研发快人一步

推荐阅读

全面详解EDU-D360！具身机器人的一体感知小脑，全开放、真同步、强算力

太夯了！机器狗导航直接省 1年工期

如何解决具身机器人感知之痛？

详细介绍！超远距EDU-SCAN三维激光雷达扫描仪，为开放生态而生！
重磅发布！解锁百米高空无人机测绘！
重磅发布！2分钟重建百米高楼！
重磅发布！助力机器狗SLAM、重建三维世界！
SLAM挑战！EDU-SCAN清晰还原室内超大电子屏
SLAM挑战 ! 9分钟重建万
平地下停车场
这款科研神器丝滑复现最强SLAM：Fast-LIVO2！
三维激光扫描仪全国线下产品试用！
车载扫街，效果实测