跳转到主要内容
ToolPotion
AI 顾问
提交(免费)

Hy-Nomas

Hy-Nomas 是一个视频世界生成模型,通过文本指令和相机控制实现自由形式的多轮交互。它生成视频片段,允许用户引入对象、改变风格和控制相机,从而增强互动世界的创建。

查看模型
分享
查看模型
分享

Hy-Nomas 是一个先进的视频世界生成模型,旨在通过文本指令和相机控制促进自由形式的多轮交互。该模型一次生成一个视频片段,允许用户在生成过程中引入对象、改变风格以及控制场景和相机角度。模型架构集成了段自回归扩散变换器(DiT)、Qwen 文本编码器、相机条件模块和 PixelUMM 视频解码器。一个持久的键/值缓存保持片段之间的上下文,确保世界生成的连续性。

阅读更多

该模型支持灵活的部署选项,包括标准序列并行配置和单 GPU 配置,使其适用于各种硬件设置。用户可以通过网络演示与模型进行交互,实时展示其能力。Hy-Nomas 还包括 Hy-Nomas-Bench,这是一个基准套件,旨在评估在连续世界生成过程中互动可控性和一致性。

Hy-Nomas 在压缩的视频潜在空间中执行扩散,并在视频片段之间进行自回归。文本、相机运动和缓存历史条件化每个新片段的生成,允许动态和互动的视频创作。模型的架构具有 54 个双流 MMDiT 块,文本和视频通过片段级因果联合注意力进行交互。

模型的视频潜在表示为 DCAE-V 潜在,默认推理管道使用经过微调的 PixelUMM 解码器对其进行解码。该设置允许高效的视频生成,输出质量高。Hy-Nomas 采用 Apache-2.0 许可证,用户可以通过 Hugging Face 平台访问模型及其组件。

  • 类别AI 模型与大语言模型
  • 定价模式开源
  • 部署云端, 自托管
  • 平台网页版

  • 通过文本和相机控制实现自由形式的交互

  • 段自回归扩散变换器架构

  • 持久的键/值缓存以保持上下文

  • 灵活的部署,支持标准和单 GPU 配置

  • Hy-Nomas-Bench 用于评估互动可控性

  • 压缩视频潜在空间扩散

  • 54 个双流 MMDiT 块

  • 经过微调的 PixelUMM 视频解码器

  1. 访问模型:访问 Hugging Face

  2. 身份验证:设置账户

  3. 设置环境:准备硬件和软件

  4. 通过 API 集成:使用提供的端点

  5. 优化:调整设置以获得所需输出

  • 互动视频创作
  • 游戏开发
  • 虚拟现实
  • 电影制作
  • 教育内容

与 Hy-Nomas 类似的热门AI工具

Ideogram 4

AI 模型

Ideogram 4 是一款尖端的文本到图像模型,提供对图像构图、风格和布局的无与伦比的控制。它支持原生 2k 分辨率和多语言文本渲染,非常适合设计导向的应用。

AI 模型与大语言模型
查看工具

AI 模型

尖端的文本到图像模型,提供对图像构图、风格和布局的无与伦比的控制。它支持原生 2k 分辨率和多语言文本渲染,非常适合设计导向的应用。Ideogram 4 是一款尖端的文本到图像模型,提供对图像构图、风格和布局的无与伦比的控制。它支持原生 2k 分辨率和多语言文本渲染,非常适合设计导向的应用。

AI 模型与大语言模型
查看 AI 模型 Top 5

daVinci-MagiHuman 是一个开源 AI 模型,可以将单张肖像照片和脚本或音频转换为同步口型的对话视频,生成对齐的音频和视频,且只需一次处理即可完成。可以在线免费试用或自托管。

AI 模型与大语言模型媒体与娱乐
查看工具

开源 AI 模型,可以将单张肖像照片和脚本或音频转换为同步口型的对话视频,生成对齐的音频和视频,且只需一次处理即可完成。可以在线免费试用或自托管。daVinci-MagiHuman 是一个开源 AI 模型,可以将单张肖像照片和脚本或音频转换为同步口型的对话视频,生成对齐的音频和视频,且只需一次处理即可完成。可以在线免费试用或自托管。

AI 模型与大语言模型媒体与娱乐
查看 AI 模型 Top 5

Cosmos3-Edge

AI 模型

NVIDIA的Cosmos3-Edge是一种多模态AI模型,旨在用于物理AI应用。它能够从文本、图像和视频生成动态输出,支持机器人技术、自动驾驶和智能环境。该模型可在全球范围内部署,适用于商业和非商业用途。

AI 模型与大语言模型汽车
查看工具

AI 模型

NVIDIA的Cosmos3-Edge是一种多模态AI模型,旨在用于物理AI应用。它能够从文本、图像和视频生成动态输出,支持机器人技术、自动驾驶和智能环境。该模型可在全球范围内部署,适用于商业和非商业用途。

AI 模型与大语言模型汽车
查看 AI 模型 Top 5

FFMPerative-7B 是一个基于 Llama 2 7B 的 LLM,经过微调以适应视频制作工作流程。它允许用户通过自然语言命令控制视频编辑任务,并与 FFMPerative 工具进行交互。该模型简化了没有技术专长的用户的复杂视频编辑过程,使裁剪、调整大小和音频调整等任务变得易于操作。

AI 模型与大语言模型
查看工具

基于 Llama 2 7B 的 LLM,经过微调以适应视频制作工作流程。它允许用户通过自然语言命令控制视频编辑任务,并与 FFMPerative 工具进行交互。该模型简化了没有技术专长的用户的复杂视频编辑过程,使裁剪、调整大小和音频调整等任务变得易于操作。FFMPerative-7B 是一个基于 Llama 2 7B 的 LLM,经过微调以适应视频制作工作流程。它允许用户通过自然语言命令控制视频编辑任务,并与 FFMPerative 工具进行交互。该模型简化了没有技术专长的用户的复杂视频编辑过程,使裁剪、调整大小和音频调整等任务变得易于操作。

AI 模型与大语言模型
查看 AI 模型 Top 5

免费图像转视频AI是一个多模型视频生成器,允许用户从文本、图像或关键帧创建视频。它将各种AI视频模型结合在一个工作区中,为视频制作提供灵活性和创意控制。

AI 视频生成器
查看工具

多模型视频生成器,允许用户从文本、图像或关键帧创建视频。它将各种AI视频模型结合在一个工作区中,为视频制作提供灵活性和创意控制。免费图像转视频AI是一个多模型视频生成器,允许用户从文本、图像或关键帧创建视频。它将各种AI视频模型结合在一个工作区中,为视频制作提供灵活性和创意控制。

AI 视频生成器
查看 AI 应用 Top 250

Higgsfield

AI 应用

Higgsfield 是一个原生于 AI 的创意套件,可以根据文本提示或参考生成图像、视频和语音内容。它为各个技能水平的创作者、营销机构和电影制作人而构建。

AI 视频生成器

AI 应用 排名第 22 位

查看工具

AI 应用

原生于 AI 的创意套件,可以根据文本提示或参考生成图像、视频和语音内容。它为各个技能水平的创作者、营销机构和电影制作人而构建。Higgsfield 是一个原生于 AI 的创意套件,可以根据文本提示或参考生成图像、视频和语音内容。它为各个技能水平的创作者、营销机构和电影制作人而构建。

精选AI 视频生成器
AI 应用 排名第 22 位

Wan 2.2

AI 应用

来自阿里巴巴Tongyi实验室的开源混合专家视频生成模型,用于文本到视频和图像到视频的创作,支持最高720p的分辨率,具备电影级控制和可下载的模型权重。

AI 视频生成器媒体与娱乐

AI 视频生成器 排名第 194 位

查看工具

AI 应用

来自阿里巴巴Tongyi实验室的开源混合专家视频生成模型,用于文本到视频和图像到视频的创作,支持最高720p的分辨率,具备电影级控制和可下载的模型权重。

AI 视频生成器媒体与娱乐
AI 视频生成器 排名第 194 位

insMind AI 视频生成器是一个一体化的在线工具,可以将文本、图像或提示转换为电影级的 AI 视频,使用多个领先模型。它适合创作者、营销人员、教育工作者和电子商务卖家。

AI 视频生成器营销与创意机构
查看工具

一体化的在线工具,可以将文本、图像或提示转换为电影级的 AI 视频,使用多个领先模型。它适合创作者、营销人员、教育工作者和电子商务卖家。insMind AI 视频生成器是一个一体化的在线工具,可以将文本、图像或提示转换为电影级的 AI 视频,使用多个领先模型。它适合创作者、营销人员、教育工作者和电子商务卖家。

AI 视频生成器营销与创意机构
查看 AI 应用 Top 250
1/8