Teknoloji dünyasında çığır açan bir gelişmeyle karşı karşıyayız. Tencent’in yapay zeka uzmanları tarafından geliştirilen Hy-Nomas, video üretiminde paradigmaları değiştirecek potansiyele sahip. Kullanıcının doğrudan komutları ve kamera hareketleriyle yönlendirdiği bu yeni model, geleneksel video oluşturma yöntemlerine meydan okuyor. Hy-Nomas, sadece bir video oluşturma aracı değil, aynı zamanda kullanıcıların yaratıcılıklarını serbest bırakabilecekleri, interaktif bir dünya sunuyor.
Hy-Nomas’ın temel özelliği, videonun tek seferde tamamlanması yerine, adım adım oluşturulabilmesidir. Model, her seferinde yeni bir talimat alarak kullanıcıdan gelen girdilere göre kendini adapte ediyor. Bu sayede, kullanıcılar sahneye yeni nesneler ekleyebilir, ortamın stilini değiştirebilir, karakterlerin hareketlerini belirleyebilir ve hatta kameranın açısını kontrol edebilir. Model, önceki adımlardaki bilgiyi bir önbellekte saklayarak, aynı dünyayı devam ettirirken bağlamı korumaya çalışıyor. Bu, kullanıcıların daha karmaşık ve tutarlı hikayeler oluşturmasına olanak tanıyor.
Tencent’in paylaşımlarına göre Hy-Nomas’ın öne çıkan özellikleri arasında metin komutları ve kamera yörüngeleriyle serbest etkileşim, dünya belleği sayesinde uzun süreli üretim ve robotik gibi özel alanlar için hafif LoRA uyarlaması yer alıyor. Model, Qwen kodlayıcısı, kamera koşullandırma modülleri ve PixelUMM video çözücüsü gibi güçlü araçlarla donatılmış durumda. Hızlandırılmış bir sürümü, her video parçası için 8 adımlık bir işlem kullanıyor ve 720 x 1280 çözünürlükte saniyede 24 kare üretebiliyor. Tek bir NVIDIA GeForce RTX 4090 ekran kartıyla bile çalışabilen bu model, INT8 ve FP8 sayı biçimleriyle sıkıştırma yaparak işlemciyi de devreye sokuyor.
Tencent, modelin kodunu ve ağırlıklarını Apache 2.0 lisansı altında yayınlayarak, geliştiricilerin bu yeniliği kendi projelerinde kullanabilmesini sağlıyor. Ayrıca, Hy-Nomas-Bench veri setini de paylaştı. Bu veri setinde metinle yönlendirme, kamera hareketi ve her ikisinin birleşimi test ediliyor. Kullanıcıların etkileşim kontrolünü ölçmek için 280 test senaryosu ve 220 referans kamera yörüngesi içeriyor. Kullanıcıların yorumlarını göndererek, modelin gelişimine katkıda bulunmaları da mümkün. Bu, kullanıcıların yaratıcılıklarını paylaşabilecekleri ve modelin daha da gelişmesine yardımcı olabilecekleri bir platform.