Hy-Nomas خدام

Hy-Nomas هو موديل تفاعلي مفتوح المصدر من فريق Tencent Hunyuan لتوليد عوالم فيديو، كيولّد الفيديو بطريقة ذاتية الانحدار على مراحل، وكيتيح التبديل بحرية بين التعليمات النصية ولا التحكم فمسار الكاميرا بين كل مرحلة ومرحلة، وكيحافظ على الاتساق عبر المدى الطويل باستعمال lifelong KV cache. Hy-Nomas محلول المصدر ديالو والكود والأوزان ديالو متوفرين، وكيقدّم نسخة مقطّرة ونسخة مكمّمة بـ INT8. من بعد التحسين، يمكن تشغيل الاستدلال محلياً باستعمال RTX 4090 وحدة.

التحكم النصي الحر: كيدعم تعليمات نصية بأي صيغة للتحكم فالأجسام، الستايل، المشاهد والحركات فالعالم المتولّد.
التحكم فمسار الكاميرا: يمكن توليد الفيديو انطلاقاً من مسار حركة الكاميرا، مع إمكانية الدمج والتبديل بحرية مع التعليمات النصية.
التوليد التفاعلي على جولات متعددة: واجهة الويب التفاعلية كتدعم إدخال تعليمات جديدة فحدود المقاطع، باش يتحقق توليد متواصل على جولات متعددة.
تعزيز التعليمات (Nomas-PE): موديل مدمج كيحوّل أوتوماتيكياً تعليمات المستخدم بالدارجة أو باللغة العادية إلى تعليمات منظمة للتوليد.
التشغيل المحلي على أجهزة استهلاكية: تحسينات INT8 quantization + CPU offload كتخلي RTX 4090 وحدة كافية للاستدلال.
ضبط LoRA: كيدعم الضبط باستعمال فيديوهات مخصصة، ومن بعد يمكن دمجها فالموديل المقطّر للاستدلال.

تابعونا على WeChat وردّو بـ“开源” باش تنضمو لمجموعة مشاريع الذكاء الاصطناعي مفتوحة المصدر
بنية ذاتية الانحدار على مراحل: كيتولّد الفيديو الطويل على شكل مقاطع، وكل مقطع كيعتمد على التعليمات الحالية ولا إشارة الكاميرا، مع الحفاظ على lifelong KV cache كيمتد عبر جميع المقاطع، باش يبقاو المشهد، الأجسام والستايل منسجمين مع الوقت، ويتحقق توليد عالم على المدى الطويل.
تسريع الاستدلال بالتقطير: عبر تدريب التقطير، كيتضغط عدد خطوات إزالة الضجيج إلى 4/6/8 خطوات، ومع decoder PixelUMM مضبوط خصيصاً لمعالجة المتغيرات الكامنة DCAE-V ذات 32 قناة، كينقص تأخير الاستدلال بشكل كبير مع الحفاظ على الجودة.
آلية الاستدلال بذاكرة فيديو محدودة: أوزان DiT وKV cache مخزنين بـ INT8، بينما الحساب كيبقى بـ BF16؛ السياق السابق كيتقص بنافذة منزلقة وماكيبقاش كيكبر بلا حدود؛ ومشفّر النصوص وDiT وVAE كيتبدلو بين CPU وGPU حسب المراحل، باش توصل الذاكرة القصوى لمستوى كتقدر عليه بطاقات الرسوميات الاستهلاكية.
تدريب LoRA الإجباري على مراحل: الضبط الدقيق كيعتمد على checkpoint غير مقطّر كموديل أساسي، وكيستعمل pipeline ديال segment forcing، وكيتمرنو غير معاملات LoRA (rank/alpha 256)؛ ومن بعد التدريب كتندمج أوزان LoRA مع checkpoint المقطّر، باش يتنتج موديل استدلال كيجمع بين تسريع التقطير وإمكانية التخصيص.

تبديل حر بين نمطين: فكل مقطع يمكن التبديل بحرية بين التعليمات النصية والتحكم فمسار الكاميرا، وهادشي كيعطي طريقة تفاعلية مرنة.
اتساق على المدى الطويل: lifelong KV cache كيضمن استمرار الأجسام، المشاهد والستايل بين المقاطع، وكيحد من انجراف الفيديوهات الطويلة.
كيخدم على أجهزة استهلاكية: INT8 quantization + sliding window + CPU offload كيخلي RTX 4090 وحدة كافية للاستدلال المحلي.
استدلال سريع بزاف: من بعد التقطير، كيتطلب غير 4~8 خطوات لإزالة الضجيج، وكيقلل مدة التوليد بشكل واضح.
مفتوح المصدر بالكامل: الكود، الأوزان، مسار التدريب وتعليم البيانات كاملين متوفرين، ورخصة Apache 2.0 كتسمح بالاستعمال التجاري.

الموقع الرسمي للمشروع: https://hy-nomas.hy.tencent.com/
مستودع GitHub: https://github.com/Tencent-Hunyuan/Hy-Nomas
مستودع الموديل على HuggingFace: https://huggingface.co/tencent/Hy-Nomas

تطوير نماذج أولية لألعاب الذكاء الاصطناعي: توليد عوالم ألعاب تفاعلية بسرعة باستعمال التعليمات النصية وتعليمات الكاميرا، وبكلفة قليلة لاختبار أفكار اللعب.
تدريب محاكاة الروبوتات: باستعمال Robotics LoRA الرسمي يمكن توليد بيئات واقعية لتشغيل الأذرع الروبوتية، وتوفير بيانات تدريب اصطناعية للذكاء المتجسّد.
المعاينة السينمائية والستوريبورد: استعمال LoRA بطابع سينمائي لتوليد لقطات طويلة ومنسجمة، ومساعدة المخرج فتصميم حركة الكاميرا والمعاينة البصرية.
السياحة الافتراضية وعرض الفضاءات: استعمال التحكم فمسار الكاميرا لتوليد مشاهد قابلة للتجوال للمنتزهات، قاعات العرض والعقارات، عوض النمذجة التقليدية ثلاثية الأبعاد.
البحث والتعليم فمجال الذكاء الاصطناعي: كود التدريب، الضبط الدقيق وتعليم البيانات كامل مفتوح المصدر، ويمكن استعماله كقاعدة للتدريس والبحث العلمي فمجال نماذج العالم.