Hy-Nomas 开源了：边生成视频，边改剧情和镜头

熊猫爬上石柱，走到了平台边缘。到这里，给它一顶滑翔伞，故事就能拐向另一个方向。

腾讯混元 Hy-Nomas 的官方演示里，第四轮指令真的安排了这件事：熊猫展开竹叶滑翔伞，背着红色背包飞进云雾。前面还是攀爬，后面突然有了冒险片的味道。

好玩的地方就在这一轮。不用把后面所有剧情提前想好，看到已经生成的画面，还能继续决定下一段发生什么。Hy-Nomas 把文字和镜头控制接进多轮视频生成，代码和模型权重也已经公开。

Hy-Nomas 官方样片第四轮：背红色背包的熊猫展开绿色滑翔伞，在云雾和石柱之间飞行 — 第四轮，熊猫飞了起来。对照最初的攀爬画面，变化会更直观。素材来自官方完整演示，2026-10-25 截取，非本站生成。

故事拍到一半，还能改主意

这段熊猫视频一共用了四轮：先设定云雾、石柱和红背包熊猫，再让它向上攀爬，接着走向平台边缘、加入蝴蝶，最后才展开滑翔伞。

把它放到自己的题材里，思路就很清楚了。先让宇航员在月球基地里走几步，看看环境和人物，然后临时加一句“左边开来一辆月球车”。你可以根据眼前的画面续写，也能在文字指令之间调整相机路径。

这让分镜预演有了点边拍边想的空间。一个动作成立了，再往下接；想换机位，就试着绕过去看。做短片概念、探索场景或交互原型，都能从这种连续变化里得到反馈。

当然，连续生成最怕前后接不上。镜头转回来，刚才的建筑还在不在？人物的背包有没有换颜色？官网专门展示了空间记忆样片，但这不等于所有提示词都能稳定延续。自己生成时，这些细节得盯住。

官方页面给出的规格是 720p、最长 60 秒；模型卡里的 24 FPS 指视频播放帧率，不能拿它当生成速度。产物仍是视频，完整游戏需要的碰撞、任务和交互逻辑，还要另做。

先去网页里造一个小场景

第一次体验，直接打开 Hy-Nomas 在线 Demo。页面下方的 World gallery 可以先看现成世界；想自己生成，按页面登录提示进入。

表单里主要填两项：Environment Description 是环境，Subject Description 是人物或主体。视角 Perspective 先选 Third person，就能从外面看着角色走。

可以先用这组简单设定。环境是：

An abandoned moon base with glass corridors, distant mountains, and Earth above the horizon.

主体是：

An astronaut in a white spacesuit carrying a small orange backpack.

也就是废弃月球基地、玻璃走廊、地平线上的地球，加上一名背橙色小背包的白衣宇航员。点 Enter world，等第一段出来，再给下一轮：

A small rover approaches the astronaut from the left.

先只让月球车从左边靠近。看看它能不能顺着刚才的画面出现，宇航员和背包是否还接得上。接住了，再加镜头移动；刚开始就同时换天气、换衣服、加车辆，很难判断哪里出了问题。

Hy-Nomas Demo 的月球基地环境、宇航员主体和 Third person 视角填写示例 — 2026-10-25 在 Demo 中填写示例的界面，未提交生成。2026-10-28 复核时，环境、主体、视角入口仍在，页面另有 World gallery。

需要移动镜头时看 Camera path，操作说明在 User Tutorial。完成后用 Download 保存视频，想重来则用 New world。上面的月球场景是尝试模板，本站尚未验证生成效果；登录后的额度、排队和耗时看页面当时的状态。

开源之后，已经有人把它接进常用工具

腾讯放出的内容挺完整：GitHub 仓库包含推理、训练、LoRA 微调和交互网页代码；Hugging Face 模型页提供基础版、蒸馏版、量化权重等文件。代码和腾讯发布的权重采用 Apache-2.0，第三方组件按各自许可使用。

更值得追的是后面长出来的用法。官方仓库 10 月 25 日记录了 WanGP v18.81 接入：可以用键盘探索世界、输入事件，还能保存探索进度再回来继续。原来只是在演示里看一眼的东西，开始有了可以接着玩的入口。

已经在用 ComfyUI 的话，也有 ComfyUI-Hy-Nomas 社区节点。它提供连续片段工作流和 WASD 镜头控制。可以在 ComfyUI-Manager 搜索 Hy-Nomas (world model)，安装并重启，再按仓库 Quick start 下载配套权重，从 Hy-Nomas world (per segment).json 工作流开始。

这套社区节点仍标为开发中，仓库以 ComfyUI 0.42 验证，要求至少 32GB 系统内存、约 27GB 权重空间。作者实测显卡是 4090，12GB、16GB 是限制显存预算的模拟测试；不能直接当成所有同容量显卡的实机保证。本站也还没有跑过这套接入。

想看研究细节，官方还提供了 280 个案例的测试集，以及 10 月 26 日更新的技术报告。普通体验先从网页开始就行，不用先把这些读完。

自己部署，先分清要的是视频还是完整网页

官方有单张 RTX 4090 的离线生成方案。它用 INT8 生成模型、FP8 解码器和 CPU 卸载来降低显存占用，需要 Linux、兼容的 NVIDIA 驱动、Docker 与 NVIDIA Container Toolkit。

两份量化权重合计就约 18.2GB，另有文本编码器和 Docker 镜像，系统内存也要装得下卸载的模型。这里“单卡”说的是这套 4090 配置，不能只按显卡数量推断硬件门槛。

如果要搭出官网那种完整交互页面，还要处理 Nomas-PE 提示词服务、前端和网关。Nomas-PE 另外需要 GPU 资源，部署说明在 apps/README。先跑出一段离线视频，再搭整套服务，会更容易定位问题。

有 RTX 4090，想本地跑一次，再展开这些步骤（Linux / Bash）

本节依据 2026-10-25 的官方文档和代码版本 911cea6整理，本站未用 4090 实机运行。默认配置为 720×1280、24 FPS、8 步生成、随机种子 42；耗时和峰值显存以实际运行记录为准。

1. 下载代码，进入官方 Docker 环境

在已装好 NVIDIA Container Toolkit 的 Linux 主机运行。此示例假设主机只有一张 GPU；多卡主机请让容器只看到要使用的一张卡。

git clone https://github.com/Tencent-Hunyuan/Hy-Nomas.git
cd Hy-Nomas
git checkout 911cea6458a89c2663513ff7099561ec190dd491
docker pull hynomasoss/hynomasoss:cu130
docker run --rm -it --gpus all --ipc=host --network=host \
  -v "$PWD:/workspace/Hy-Nomas" \
  -w /workspace/Hy-Nomas \
  hynomasoss/hynomasoss:cu130 bash

进入容器后，后面的命令都在同一个终端、同一个代码目录继续运行。这些是 Bash 命令，不能直接贴到 Windows PowerShell。

2. 下载单卡权重和官方示例

python -m pip install -U huggingface_hub
export HY_NOMAS_MODEL_DIR="$PWD/checkpoints"
hf download tencent/Hy-Nomas --local-dir "$HY_NOMAS_MODEL_DIR" \
  --include 'DiT/distilled_int8/*' 'VAE/PixelUMM_FT_FP8/*' 'examples/*'

这条命令只取单卡配置所需的两类量化权重和示例。默认文本编码器为 Qwen/Qwen2.5-VL-7B-Instruct，首次启动还会按需下载；下载机要能访问 Hugging Face。

3. 准备 4090 解码所需的 CUTLASS

单卡配置启用了 CUTLASS FP8 解码。当前实现要求源码中有 Ada GemmBlockwise（example 94）对应头文件：

mkdir -p third_party
git clone --depth 1 https://github.com/NVIDIA/cutlass.git third_party/cutlass
export CUTLASS_PATH="$PWD/third_party/cutlass"
test -s "$CUTLASS_PATH/include/cutlass/gemm/device/gemm_blockwise.h" && echo "CUTLASS ready"

最后一行应输出 CUTLASS ready。对应依赖检查可查看项目的 CUTLASS 加载代码；首次运行可能需要编译 CUDA 内核。

4. 用官方示例生成第一段视频

bash scripts/inference/inference_from_config.sh configs/experiment/single_gpu_low_mem_inference.yaml \
  dit_weight="$HY_NOMAS_MODEL_DIR/DiT/distilled_int8/diffusion_pytorch_model_ema_0_995_int8.safetensors" \
  model.vae.checkpoint="$HY_NOMAS_MODEL_DIR/VAE/PixelUMM_FT_FP8/diffusion_pytorch_model_fp8.safetensors" \
  inference.prompt="$HY_NOMAS_MODEL_DIR/examples/prompts.json" \
  inference.save_path=./outputs/single_gpu

成功后应在 outputs/single_gpu 下找到生成视频，也会保存提示词和中间数据。这个目录映射到主机的 Hy-Nomas 代码目录，退出容器后仍能找到。

先跑通官方示例，再改自己的内容。自定义提示词需要按模型卡中的 JSON 格式保存，并把 inference.prompt 换成那个文件的路径。

提示 SP_SIZE 必须匹配 GPU 数量：检查是否误用了默认八卡的 inference.yaml，单卡应使用上面的 single_gpu_low_mem_inference.yaml。
提示 Set CUTLASS_PATH：检查环境变量是否指向完整 CUTLASS 源码，以及上面的头文件检查是否通过。
显存不足：检查是否用了 INT8 DiT 与 FP8 解码器这一对权重，并关闭其他占显存程序；分辨率、片段长度和历史缓存都会影响占用。

Hy-Nomas 最让人想继续玩的，是那种“下一段还可以这样拍”的余地。先把一个小场景接顺，再让故事拐个弯；熊猫的滑翔伞，就是在第四轮才出现的。

如果你要的是一条按分镜完成的短片，也可以对照可灵 4.0 的参考图与关键帧用法。选哪个，取决于你想先规划整段镜头，还是看着结果继续安排剧情。

2026-10-28 更新：重写正文，复核官方仓库、模型卡与 Demo，补充 WanGP、ComfyUI 入口。截图与离线部署步骤保留 10-25 的核对记录；未运行本地生成、社区集成或性能测试。