Hunyuan-GameCraft
Tencent Hunyuan · Vídeo · Programación
Hunyuan-GameCraft es el modelo abierto de Tencent que convierte una imagen, un texto y el teclado o el ratón en vídeo de juego controlable. Corre en una GPU de consumo.
Acerca de Hunyuan-GameCraft
What Is Hunyuan-GameCraft
Hunyuan-GameCraft es un modelo de generación de vídeo abierto que el equipo Tencent Hunyuan creó para escenas de juego. Le das una sola imagen de referencia, un texto y una señal de acción, y produce material donde la cámara se mueve como la movería un jugador. Tencent publicó el código de inferencia y los pesos de la versión 1.0 el 14 de agosto de 2025, y el artículo está en arXiv.
Casi todos los modelos de vídeo tratan una escena como un clip que se reproduce. Este la trata como un espacio que tú diriges. Al pulsar W, el modelo no aprende "adelante" como idea. Traduce esa tecla a una ruta de cámara concreta, una secuencia de posiciones y giros, y dibuja el mundo a lo largo de esa ruta. Por eso controla velocidad y ángulo, no solo dirección, y por eso la escena mantiene su forma cuando giras y vuelves.
No es un motor de juego completo, y no hace generación de vídeo de juego interactivo como lo haría un motor en tiempo real. Genera vídeo, no geometría con la que puedas interactuar, así que no puedes meter el resultado en una build jugable como harías con una escena 3D. Piénsalo como una herramienta de producción para prototipos y previsualización, no como un runtime. Necesitas una GPU NVIDIA compatible y maña para dejarlo funcionando en local.
Getting Started
- Clona el repositorio de Hunyuan-GameCraft desde GitHub e instala las dependencias de Python que indica el proyecto
- Descarga los pesos preentrenados del modelo desde Hugging Face o la página del proyecto
- Prepara una imagen de referencia de tu escena y escribe un texto corto que la describa
- Lanza la inferencia con tu señal de teclado o ratón para mover la cámara por la escena
- Revisa el clip generado y ajusta el texto o la ruta de acción para otra pasada
Información del producto
Un vistazo rápido a los precios, las plataformas compatibles y el rendimiento de Hunyuan-GameCraft.
Ideal para
Los usuarios, tareas y casos de uso en los que esta herramienta encaja mejor.
Usuarios
- Desarrolladores de juegos que prototipan escenas
- Creadores indie y devs en solitario
- Investigadores de IA que estudian modelos del mundo
- Artistas 3D y de concepto
Tareas
- Convertir una imagen fija en vídeo de juego en movimiento
- Cámara en primera y tercera persona
- Tomas largas con escenas coherentes
- Previsualización para presentaciones
Casos de uso
- Un estudio quiere mostrar la sensación de un nivel en una reunión de concepto antes de tocar el motor
- Un creador en solitario tiene una buena imagen de escena y necesita vídeo de ella para su portafolio o un tráiler
- Un investigador necesita un modelo de vídeo interactivo barato y reproducible para probar ideas de control de cámara
- Un artista quiere ver cómo se lee una escena cuando el espectador la recorre desde otro ángulo
Funciones clave
De imagen a vídeo de juego controlable
Hunyuan-GameCraft parte de una sola imagen de referencia y un texto, y de ahí genera una escena de juego en movimiento. No animas fotograma a fotograma. Un codificador de acción ligero lee tu entrada y mueve la cámara por la escena. El resultado se parece a gameplay, no a una presentación de la imagen fija. Esto es el núcleo del modelo, y todo lo demás lo sostiene.
Control unificado de teclado y ratón
El modelo lleva la entrada estándar de teclado y ratón a un mismo espacio de cámara. En la práctica, entiende velocidad y ángulo, no solo izquierda o derecha. Puedes avanzar mientras giras la vista, esa acción combinada que un jugador real hace sin pensar. Las pulsaciones sueltas se vuelven movimiento de cámara fluido por interpolación, y eso es lo que evita que el resultado salga a saltos.
Condición de historial híbrida para tomas largas
Los vídeos largos suelen romperse. La escena cambia de forma, los objetos desaparecen y el mundo olvida cómo era hace unos segundos. Hunyuan-GameCraft usa una estrategia de entrenamiento con condición de historial híbrida que extiende la secuencia de forma autorregresiva sin perder la información original de la escena. Giras la cámara y vuelves, y la disposición sigue ahí. Esto es lo que hace que los paseos de varios minutos se mantengan enteros.
Destilación del modelo para uso en tiempo real
Un modelo de este tamaño pediría un centro de datos para sentirse interactivo. Tencent lo destiló para que la inferencia corra más rápida y ligera sin perder consistencia en secuencias largas. El resultado se despliega en una tarjeta de consumo como la RTX 4090, no en un clúster. Menos carga es la diferencia entre una demo de laboratorio y algo que un desarrollador puede sentarse a manejar.
Vistas en primera y tercera persona
El framework va más allá de un solo punto de vista. Maneja escenas en primera persona, donde el espectador es la cámara, y escenas en tercera persona, donde hay un personaje en pantalla y la cámara lo sigue. Ambas salen de la misma imagen de referencia. Ese rango importa porque los juegos no usan un único estilo de cámara.
Entrenado con datos de juego a gran escala
El modelo se entrenó con más de un millón de grabaciones de partidas de más de 100 juegos AAA, y luego se afinó en un set sintético curado para ganar precisión. Esa amplitud explica que maneje estilos de arte variados, de calles realistas a pueblos estilizados, y mantenga la fidelidad visual entre ellos.
Ventajas y desventajas
Ventajas
- Convierte una sola imagen en vídeo de juego en movimiento y dirigible, y recorta el coste de un pipeline de modelado y renderizado
- El control unificado de teclado y ratón da un control de acción fino, con velocidad y ángulo, no solo dirección
- La condición de historial híbrida mantiene coherentes las tomas largas, así las escenas sobreviven a movimientos amplios de cámara
- La destilación lo deja correr en una GPU de consumo como la RTX 4090 en lugar de un clúster
- Código y pesos abiertos, así que puedes inspeccionarlo, ejecutarlo y construir sobre él
Desventajas
- Genera vídeo, no geometría 3D con la que interactuar, así que la salida no entra directa en una build jugable
- Ejecutarlo en local implica lidiar con la instalación de Python, dependencias y descargas del modelo antes de ver nada
- Necesita una GPU NVIDIA con memoria suficiente, así que no es una herramienta de navegador que abres en cualquier portátil
- No hay API alojada, así que los equipos que quieren un servicio gestionado tienen que alojar todo el stack
Preguntas frecuentes
Toma una imagen de referencia, un texto y una acción de teclado o ratón, y genera vídeo de juego donde la cámara se mueve según la diriges. Sacas material con aspecto de gameplay desde una sola imagen fija.
Contenido relacionado
Explora herramientas, habilidades y artículos relacionados con Hunyuan-GameCraft.
Alternativas a Hunyuan-GameCraft
Vadu AI
Vadu AI · Imagen · VídeoVadu AI es un generador de video con IA basado en web que convierte indicaciones escritas o imágenes fijas en clips cortos, y también crea imágenes por su cuenta. Escribes lo que quieres, eliges un modelo y un estilo, y la plataforma genera el resultado en minutos. Un plan gratuito cubre pruebas ligeras, mientras que los niveles de pago van de 9 a 77,40 dólares al mes según cuántos créditos gastes.
Mykaraoke Video
MyKaraoke Video · VídeoMykaraoke Video es un creador de videos karaoke y de videos con letras que funciona online y convierte cualquier canción en un video terminado y con las letras sincronizadas directamente en el navegador. Se encarga de la parte lenta por ti. La IA separa las voces de la mezcla y ajusta la letra al ritmo, y luego personalizas el fondo, las fuentes y los colores antes de exportar en MP4 a 1080p. Si haces videos con letras para redes sociales, noches de fiesta o promoción musical, te ahorras por completo las instalaciones de software y el trabajo de sincronizar a mano. ¿Quieres un generador de videos karaoke que no te consuma toda la tarde? Esa es la propuesta.
Finalframe
Finalframe · VídeoFinalframe es un conjunto de herramientas gratuitas que funcionan en el navegador y sirven para sacar fotogramas exactos de un clip de vídeo. Su función más conocida, el Extractor de Último Fotograma, te deja extraer el último fotograma de cualquier vídeo para usarlo como imagen inicial en herramientas de vídeo con IA como Luma Dream Machine, Runway o Kling. ¿Quieres seguir un clip? Ese último fotograma es tu punto de partida. La herramienta se ejecuta en tu propio navegador, no pide registro y no cuesta nada. Una app aparte de generación de vídeo con IA, de pago y del mismo equipo, está fuera de línea mientras la reconstruyen.