Tencent 23 октября открыла веса Hy-Nomas и код для запуска и дообучения — модели, которая создаёт видео последовательными фрагментами. Между ними пользователь может менять текстовое описание происходящего и задавать движение камеры: добавлять объекты, менять действия, окружение или визуальный стиль.

Такой способ управления позволяет направлять продолжение сцены, не задавая весь ролик заранее одним запросом. Модель использует сохранённый контекст предыдущих фрагментов, чтобы поддерживать связность. В опубликованном примере лиса сначала идёт по лесной тропе, а следующая команда добавляет рядом светящиеся цветы. Это инструмент для последовательной постановки сцены; насколько устойчиво он сохраняет детали в длинных роликах, из одного примера установить нельзя.

Для локального запуска разработчики предусмотрели режим на одной GeForce RTX 4090. Он использует сжатые представления весов и перенос частей модели в оперативную память компьютера, поэтому одной видеокартой требования не исчерпываются, а обмен данными добавляет задержки. Этот режим относится к генерации видео: собственному веб-интерфейсу дополнительно нужен сервис Nomas-PE, который преобразует команды пользователя в подробные задания модели.

Проект и веса опубликованы под Apache 2.0; у сторонних компонентов сохраняются свои лицензии. Открытый выпуск позволяет проверять модель и дообучать её на собственных видео. Но интерактивность здесь не означает мгновенную реакцию: карточка модели отдельно уточняет, что 24 кадра/с — частота воспроизведения результата. Скорость его создания зависит от оборудования и настроек; подробный технический отчёт пока только обещан.