要点まとめ

  • Tencent Hunyuanが2026年10月23日に発表した、オープンソースのインタラクティブ動画世界モデル。9BパラメータでApache 2.0ライセンス。
  • テキストプロンプトとカメラ軌道で、生成中の映像をセグメントごとに自由に変更できるのが最大の特徴。世界記憶により長尺生成も可能。
  • 軽量LoRA適応でロボティクスなどの専門領域にも展開でき、コンシューマーGPU（RTX 4090）で720p・24fpsの推論が可能。
  • 公式サイト（hy-nomas.hy.tencent.com）で試せ、GitHubとHugging Faceでモデルが公開されている。料金は無料。

基本情報

ジャンル・位置づけオープンソースのインタラクティブ動画世界モデル
対応端末PC（コンシューマーGPU推論）、公式サイトでオンライン試用可
料金無料（Apache 2.0ライセンス）
対応言語テキストプロンプトは主に英語（詳細は公式サイト参照）
注目ポイント自由形式の対話、世界記憶、LoRA適応、9Bモデル
難易度公式サイトでの試用は簡単。ローカル実行は中〜上級者向け
カテゴリAI・新モデル
作者・提供元Tencent Hy
公式サイトhy-nomas.hy.tencent.com ↗
注目度🔥 注目度 6万
最終更新

Tencent Hy-Nomasとは何か？発表の背景と基本情報

Tencent Hy-Nomasは、Tencent Hunyuan（騰訊混元）が2026年10月23日に発表したオープンソースのインタラクティブ動画世界モデルです。世界モデルとは、物理法則や空間のつながりを内部に学習し、未来の映像を予測・生成するAIを指します。従来の動画生成AIが最初のプロンプトで全体を決めてしまうのに対し、Hy-Nomasは生成の途中でもテキストやカメラワークで介入できる点が革新的です。

モデルサイズは9Bパラメータで、Apache 2.0ライセンスのもとで公開されています。これは商用利用も可能な寛容なライセンスで、研究目的だけでなく製品開発にも使いやすいのが特徴です。公式サイト（hy-nomas.hy.tencent.com）ではオンラインで試せるほか、GitHubとHugging Faceでモデルの重みやコードが公開されています。

発表時点で、単一のRTX 4090で720p・24フレーム/秒の推論が可能とされており、コンシューマー向けGPUでも動く軽量さが大きな売りです。ロボティクスなどの専門領域向けに軽量LoRA適応をサポートしている点も、単なる動画生成ツールを超えた世界モデルとしての位置づけを強めています。

  • 自由形式のインタラクション

    テキストプロンプトとカメラ軌道の両方で、生成中の映像をリアルタイムに近い形で変更できます。

  • 世界記憶による長尺生成

    セグメントをまたいでオブジェクトや空間の一貫性を保つ「世界記憶」を備え、長い動画でも破綻しにくいです。

  • 軽量LoRA適応

    ロボティクスなど特定ドメインに合わせた微調整がLoRAで可能で、専門用途への展開が容易です。

  • コンシューマーGPU最適化

    RTX 4090のような一般向けGPUで720p・24fpsの推論が動くよう最適化されています。

Hy-Nomasの核心技術：世界記憶とセグメント生成の仕組み

Hy-Nomasの最大の特徴は、動画を一括で生成するのではなく、短いセグメントに分けて順次生成する点です。ユーザーは最初のプロンプトでシーンを開始し、その後は各セグメントに対して新しいテキスト指示やカメラの動き（軌道）を与えます。するとモデルは前のセグメントの内容を踏まえつつ、指示に従って次の映像を生成します。これにより、生成が始まった後でも世界を自由に変えられる「フリーフォーム・インタラクション」が実現します。

このとき重要になるのが「世界記憶（world memory）」です。セグメントをまたいで物体の位置や外観、カメラの向きなどを記憶し、一貫性を保ちます。たとえば、ある人物が画面左にいる状態でカメラを右にパンしても、次のセグメントでその人物が消えたり別の場所に現れたりしないよう制御されます。世界記憶がなければ長尺動画はすぐに破綻してしまうため、これは長尺生成を支える中核技術です。

また、軽量LoRA適応により、ロボティクスなどの専門領域に特化した振る舞いを追加できます。LoRAは元のモデルに小さな追加パラメータを足すだけで微調整できる手法で、計算コストを抑えつつドメイン適応が可能です。これにより、汎用の世界モデルを特定の産業用途に素早く展開できる道が開けています。

  • セグメント単位の生成

    動画を小さな単位に分けて生成し、各セグメントで指示を更新できるため、対話的にシーンを変えられます。

  • 世界記憶の役割

    前のセグメントの物体やカメラ方向を記憶し、長尺でも一貫性を維持します。

  • LoRAによる専門化

    ロボティクスなど特定分野向けに軽量な追加学習が可能で、用途を広げられます。

  • 推論の軽量さ

    9Bモデルと最適化により、RTX 4090で720p・24fpsのリアルタイムに近い生成が可能です。

Hy-Nomasの使い方：公式サイトからローカル実行まで

もっとも手軽なのは公式サイト（hy-nomas.hy.tencent.com）で試す方法です。ページにアクセスし、初期プロンプトを入力して動画生成を開始します。生成が始まったら、次のセグメント用にテキスト指示やカメラの動きを入力して、シーンを変化させていきます。オンライン版は環境構築が不要で、初めて触る人でもすぐにインタラクティブな体験を味わえます。

ローカルで動かしたい場合は、GitHubまたはHugging Faceからモデルの重みとコードを入手します。Apache 2.0ライセンスなので、商用利用も可能です。推論にはコンシューマー向けGPU（RTX 4090など）が推奨されており、720p・24fpsでの動作が可能とされています。ただし、必要なVRAMやセットアップ手順の詳細は公式リポジトリで確認してください。

操作のコツは、最初から大きな変更を加えず、まず短いクリップで始めて、一度に一つの指示だけを変えることです。そうすることで、モデルがオブジェクトやカメラ方向をどれだけ保持できるかを確認しながら、徐々に複雑なシーンへと拡張できます。この段階的なアプローチが、破綻の少ない長尺動画を作る近道です。

  • 公式サイトで手軽に試す

    hy-nomas.hy.tencent.comにアクセスし、プロンプトを入力するだけでオンライン試用できます。

  • GitHubとHugging Faceで入手

    モデルの重みとコードが公開されており、ローカル環境にダウンロードして実行できます。

  • 段階的な指示変更

    一度に一つの指示だけを変え、世界記憶の効き方を確認しながら進めるのがおすすめです。

  • LoRAで専門化

    ロボティクスなど特定用途向けにLoRAを適用し、ドメイン特化の振る舞いを追加できます。

Hy-Nomasの評価と比較：向いている人・制限・類似モデルとの違い

Hy-Nomasは、動画生成AIの中でも「生成後の介入」を重視した点でユニークです。従来のモデルは最初のプロンプトで全体が決まり、後からシーンを変えるには再生成が必要でした。Hy-Nomasはセグメントごとに指示を更新できるため、インタラクティブなストーリーテリングやシミュレーション、ロボティクスの学習データ生成などに向いています。特に、世界記憶によって長尺でも一貫性を保てる点は、単なるショートクリップ生成ツールとの大きな違いです。

一方で、制限や未確認の点もあります。対応言語やプロンプトの長さ制限、生成できる最大解像度やフレームレートの詳細は、公式サイトやリポジトリで確認する必要があります。また、ローカル実行には相応のGPUスペックが求められ、すべての環境で快適に動くとは限りません。オンライン版の利用制限や料金についても、現時点では無料とされていますが、将来的な変更の可能性があるため公式情報を確認してください。

類似の動画世界モデルとしては、GoogleのGenieやWorld Labsのモデルなどが知られていますが、Hy-NomasはオープンソースでApache 2.0、かつ9Bと比較的小型でコンシューマーGPUで動く点が際立っています。研究目的で手元の環境で試したい人、商用利用を視野に入れたい開発者、ロボティクス分野で世界モデルを活用したい人にとって、有力な選択肢となるでしょう。

  • 向いている人

    インタラクティブな動画制作、ロボティクス研究、オープンソースで商用利用したい開発者に向いています。

  • 類似モデルとの比較

    Genieなどと比べ、オープンソースで軽量、コンシューマーGPUで動く点が特徴です。

  • 制限と注意点

    対応言語や最大解像度、オンライン版の利用制限は公式サイトで確認が必要です。

  • ライセンスの柔軟性

    Apache 2.0のため、商用製品への組み込みも可能です。

ステップ別ガイド

  1. 公式サイトにアクセスする

    まずはhy-nomas.hy.tencent.comにアクセスします。オンラインで試せる環境が用意されており、特別なソフトウェアのインストールは不要です。ページの指示に従って、初期プロンプトを入力する準備をしましょう。

  2. 最初のプロンプトを入力する

    生成したいシーンの説明をテキストで入力します。たとえば「森の中を歩くロボット」など、具体的な情景を英語で記述します。入力後、生成を開始すると最初のセグメントが作られます。

  3. 次のセグメントの指示を加える

    生成が始まったら、次のセグメント用に新しいテキスト指示やカメラの動き（軌道）を入力します。一度に一つの変更だけを行うと、モデルが世界記憶をどう働かせるか確認しやすくなります。

  4. 結果を確認して調整する

    生成された映像を見て、オブジェクトやカメラの一貫性が保たれているか確認します。意図と違う場合は、指示をより具体的にするか、変更のタイミングを調整して再試行します。

  5. ローカル実行やLoRA適応を検討する

    さらに踏み込みたい場合は、GitHubやHugging Faceからモデルを入手し、ローカルGPUで実行します。ロボティクスなど特定分野向けには、LoRA適応を適用して専門化できます。

よくある質問

Tencent Hy-Nomasは無料で使えますか？

はい、Hy-NomasはApache 2.0ライセンスで公開されており、モデルの利用は無料です。公式サイトでのオンライン試用も無料で提供されています。ただし、将来的に利用条件が変更される可能性があるため、最新情報は公式サイトで確認してください。

どのような端末で動きますか？

公式サイトでのオンライン試用はPCのブラウザから利用できます。ローカルで実行する場合は、RTX 4090などのコンシューマー向けGPUを搭載したPCが推奨されており、720p・24fpsでの推論が可能とされています。必要なVRAMや対応OSの詳細は公式リポジトリで確認してください。

Hy-Nomasの「世界記憶」とは何ですか？

世界記憶とは、動画をセグメントごとに生成する際に、前のセグメントの物体の位置や外観、カメラの向きなどを記憶し、次のセグメントでも一貫性を保つ仕組みです。これにより、長い動画でもシーンが破綻しにくくなります。

ロボティクス以外の用途にも使えますか？

はい、汎用的な動画世界モデルとして、インタラクティブなストーリーテリングやシミュレーション、ゲーム開発など幅広い用途が考えられます。軽量LoRA適応を使えば、ロボティクス以外の専門領域にも展開できます。

商用利用は可能ですか？

Apache 2.0ライセンスは商用利用を許可しているため、Hy-Nomasを組み込んだ製品の開発も可能です。ただし、ライセンスの条件や著作権表示の要件を確認し、公式リポジトリの記載に従ってください。