メインコンテンツへスキップ
ToolPotion
AI アドバイザー
送信(無料)

Hy-Nomas

AI モデルAIモデルとLLMオープンソース · Web

Hy-Nomasは、テキスト指示とカメラ制御を通じて自由形式のマルチターンインタラクションを可能にするビデオワールド生成モデルです。ユーザーがオブジェクトを導入し、スタイルを変更し、カメラを制御できるビデオセグメントを生成し、インタラクティブなワールド作成を強化します。

モデルを見る
共有
モデルを見る
共有

Hy-Nomasは、テキスト指示とカメラ制御を通じて自由形式のマルチターンインタラクションを促進するために設計された高度なビデオワールド生成モデルです。このモデルは、ビデオセグメントを1つずつ生成し、ユーザーがオブジェクトを導入し、スタイルを変更し、生成が進行するにつれてシーンやカメラアングルを制御できるようにします。モデルアーキテクチャは、セグメント自己回帰型拡散トランスフォーマー(DiT)、Qwenテキストエンコーダー、カメラ条件モジュール、およびPixelUMMビデオデコーダーを統合しています。持続的なキー/バリューキャッシュは、セグメント間のコンテキストを維持し、ワールド生成の連続性を確保します。

続きを読む

このモデルは、標準のシーケンス並列構成と単一GPU構成を含む柔軟な展開オプションをサポートしており、さまざまなハードウェアセットアップで利用可能です。ユーザーは、リアルタイムでその機能を示すウェブデモを通じてモデルと対話できます。Hy-Nomasには、連続的なワールド生成中のインタラクティブな制御性と一貫性を評価するために設計されたベンチマークスイートであるHy-Nomas-Benchも含まれています。

Hy-Nomasは、圧縮されたビデオ潜在空間で拡散を行い、ビデオセグメント間で自己回帰を行います。テキスト、カメラの動き、およびキャッシュされた履歴が各新しいセグメントの生成を条件付け、動的でインタラクティブなビデオ作成を可能にします。モデルのアーキテクチャは、テキストとビデオがセグメントごとの因果共同注意を通じて相互作用する54のデュアルストリームMMDiTブロックを特徴としています。

モデルのビデオ潜在はDCAE-V潜在として表現され、デフォルトの推論パイプラインは、微調整されたPixelUMMデコーダーを使用してそれらをデコードします。このセットアップにより、高品質の出力で効率的なビデオ生成が可能になります。Hy-NomasはApache-2.0の下でライセンスされており、ユーザーはHugging Faceプラットフォームを通じてモデルとそのコンポーネントにアクセスできます。

  • カテゴリーAIモデルとLLM
  • 料金モデルオープンソース
  • デプロイクラウド, セルフホスト
  • プラットフォームWeb

  • テキストとカメラ制御による自由形式のインタラクション

  • セグメント自己回帰型拡散トランスフォーマーアーキテクチャ

  • コンテキスト保持のための持続的なキー/バリューキャッシュ

  • 標準および単一GPU構成による柔軟な展開

  • インタラクティブな制御性を評価するためのHy-Nomas-Bench

  • 圧縮されたビデオ潜在空間での拡散

  • 54のデュアルストリームMMDiTブロック

  • 微調整されたPixelUMMビデオデコーダー

  1. モデルにアクセス: Hugging Faceを訪問

  2. 認証: アカウントを設定

  3. 環境を設定: ハードウェアとソフトウェアを準備

  4. API経由で統合: 提供されたエンドポイントを使用

  5. 最適化: 希望する出力のために設定を調整

  • インタラクティブビデオ作成
  • ゲーム開発
  • バーチャルリアリティ
  • 映画制作
  • 教育コンテンツ

Hy-Nomas に似た人気のAIツール

Ideogram 4

AI モデル

Ideogram 4は、画像の構成、スタイル、レイアウトに対する比類のない制御を提供する最先端のテキストから画像へのモデルです。ネイティブ2k解像度と多言語テキストレンダリングをサポートしており、デザイン指向のアプリケーションに最適です。

AIモデルとLLM
ツールを見る

AI モデル

画像の構成、スタイル、レイアウトに対する比類のない制御を提供する最先端のテキストから画像へのモデルです。ネイティブ2k解像度と多言語テキストレンダリングをサポートしており、デザイン指向のアプリケーションに最適です。Ideogram 4は、画像の構成、スタイル、レイアウトに対する比類のない制御を提供する最先端のテキストから画像へのモデルです。ネイティブ2k解像度と多言語テキストレンダリングをサポートしており、デザイン指向のアプリケーションに最適です。

AIモデルとLLM
AI モデル トップ5を見る

daVinci-MagiHuman

AI モデル

daVinci-MagiHumanは、1枚のポートレート写真とスクリプトまたは音声を使用して、リップシンクされたトーキングビデオを生成するオープンソースのAIモデルです。音声とビデオを一度の処理で同時に生成します。オンラインで無料で試すことができ、自己ホスティングも可能です。

AIモデルとLLMメディア・エンターテインメント
ツールを見る

AI モデル

1枚のポートレート写真とスクリプトまたは音声を使用して、リップシンクされたトーキングビデオを生成するオープンソースのAIモデルです。音声とビデオを一度の処理で同時に生成します。オンラインで無料で試すことができ、自己ホスティングも可能です。daVinci-MagiHumanは、1枚のポートレート写真とスクリプトまたは音声を使用して、リップシンクされたトーキングビデオを生成するオープンソースのAIモデルです。音声とビデオを一度の処理で同時に生成します。オンラインで無料で試すことができ、自己ホスティングも可能です。

AIモデルとLLMメディア・エンターテインメント
AI モデル トップ5を見る

Cosmos3-Edge

AI モデル

NVIDIAのCosmos3-Edgeは、物理AIアプリケーション向けに設計されたマルチモーダルAIモデルです。テキスト、画像、動画から動的な出力を生成し、ロボティクス、自律運転、スマート環境をサポートします。このモデルは、世界中で展開可能で、商業用および非商業用の両方に適しています。

AIモデルとLLM自動車
ツールを見る

AI モデル

NVIDIAのCosmos3-Edgeは、物理AIアプリケーション向けに設計されたマルチモーダルAIモデルです。テキスト、画像、動画から動的な出力を生成し、ロボティクス、自律運転、スマート環境をサポートします。このモデルは、世界中で展開可能で、商業用および非商業用の両方に適しています。

AIモデルとLLM自動車
AI モデル トップ5を見る

FFMPerative-7B

AI モデル

FFMPerative-7Bは、ビデオ制作ワークフロー向けにファインチューニングされたLlama 2 7B LLMです。ユーザーは自然言語コマンドでビデオ編集タスクを制御でき、FFMPerativeツールと連携します。このモデルは、クロッピング、リサイズ、音声調整などのタスクを、技術的な専門知識を持たないユーザーでも簡単に実行できるようにします。

AIモデルとLLM
ツールを見る

AI モデル

ビデオ制作ワークフロー向けにファインチューニングされたLlama 2 7B LLMです。ユーザーは自然言語コマンドでビデオ編集タスクを制御でき、FFMPerativeツールと連携します。このモデルは、クロッピング、リサイズ、音声調整などのタスクを、技術的な専門知識を持たないユーザーでも簡単に実行できるようにします。FFMPerative-7Bは、ビデオ制作ワークフロー向けにファインチューニングされたLlama 2 7B LLMです。ユーザーは自然言語コマンドでビデオ編集タスクを制御でき、FFMPerativeツールと連携します。このモデルは、クロッピング、リサイズ、音声調整などのタスクを、技術的な専門知識を持たないユーザーでも簡単に実行できるようにします。

AIモデルとLLM
AI モデル トップ5を見る

無料画像から動画AIは、ユーザーがテキスト、画像、またはキーフレームから動画を作成できるマルチモデル動画生成ツールです。さまざまなAI動画モデルを1つのワークスペースに統合し、動画制作の柔軟性と創造的なコントロールを提供します。

AI動画生成ツール
ツールを見る

ユーザーがテキスト、画像、またはキーフレームから動画を作成できるマルチモデル動画生成ツールです。さまざまなAI動画モデルを1つのワークスペースに統合し、動画制作の柔軟性と創造的なコントロールを提供します。無料画像から動画AIは、ユーザーがテキスト、画像、またはキーフレームから動画を作成できるマルチモデル動画生成ツールです。さまざまなAI動画モデルを1つのワークスペースに統合し、動画制作の柔軟性と創造的なコントロールを提供します。

AI動画生成ツール
AI アプリ トップ250を見る

Higgsfield

AI アプリ

Higgsfieldは、テキストプロンプトや参照から画像、動画、音声コンテンツを生成するためのAIネイティブなクリエイティブスイートです。クリエイター、マーケティングエージェンシー、映画製作者のために、あらゆるスキルレベルに対応しています。

AI動画生成ツール

AI アプリで第22位

ツールを見る

AI アプリ

テキストプロンプトや参照から画像、動画、音声コンテンツを生成するためのAIネイティブなクリエイティブスイートです。クリエイター、マーケティングエージェンシー、映画製作者のために、あらゆるスキルレベルに対応しています。Higgsfieldは、テキストプロンプトや参照から画像、動画、音声コンテンツを生成するためのAIネイティブなクリエイティブスイートです。クリエイター、マーケティングエージェンシー、映画製作者のために、あらゆるスキルレベルに対応しています。

注目AI動画生成ツール
AI アプリで第22位

Wan 2.2

AI アプリ

アリババのTongyi LabによるオープンソースのMixture-of-Expertsビデオ生成モデルで、テキストからビデオ、画像からビデオの作成を720pまで行い、映画的なコントロールとダウンロード可能なモデルウェイトを提供します。

AI動画生成ツールメディア・エンターテインメント

AI動画生成ツールで第194位

ツールを見る

AI アプリ

アリババのTongyi LabによるオープンソースのMixture-of-Expertsビデオ生成モデルで、テキストからビデオ、画像からビデオの作成を720pまで行い、映画的なコントロールとダウンロード可能なモデルウェイトを提供します。

AI動画生成ツールメディア・エンターテインメント
AI動画生成ツールで第194位

insMind AI Video Generatorは、テキスト、画像、またはプロンプトを使用して、複数の先進的なモデルを駆使してシネマティックなAI動画に変換するオールインワンのオンラインツールです。クリエイター、マーケター、教育者、eコマースの販売者に最適です。

AI動画生成ツールマーケティング・クリエイティブエージェンシー
ツールを見る

テキスト、画像、またはプロンプトを使用して、複数の先進的なモデルを駆使してシネマティックなAI動画に変換するオールインワンのオンラインツールです。クリエイター、マーケター、教育者、eコマースの販売者に最適です。insMind AI Video Generatorは、テキスト、画像、またはプロンプトを使用して、複数の先進的なモデルを駆使してシネマティックなAI動画に変換するオールインワンのオンラインツールです。クリエイター、マーケター、教育者、eコマースの販売者に最適です。

AI動画生成ツールマーケティング・クリエイティブエージェンシー
AI アプリ トップ250を見る
1 / 8