Hunyuan-GameCraft
Tencent Hunyuan · Vídeo · Programação
O Hunyuan-GameCraft é o modelo aberto da Tencent que transforma uma imagem, um texto e o teclado ou o mouse em vídeo de jogo controlável. Roda em uma GPU de consumidor.
Sobre Hunyuan-GameCraft
What Is Hunyuan-GameCraft
O Hunyuan-GameCraft é um modelo aberto de geração de vídeo que a equipe Tencent Hunyuan criou para cenas de jogo. Você entrega uma única imagem de referência, um texto e um sinal de ação, e ele produz material em que a câmera se move como um jogador a moveria. A Tencent liberou o código de inferência e os pesos da versão 1.0 em 14 de agosto de 2025, e o artigo está no arXiv.
Quase todo modelo de vídeo trata uma cena como um clipe que se reproduz. Este trata a cena como um espaço que você conduz. Ao apertar W, o modelo não aprende "em frente" como ideia. Ele traduz essa tecla em um caminho de câmera concreto, uma sequência de posições e rotações, e desenha o mundo ao longo desse caminho. É por isso que ele lida com velocidade e ângulo, não só direção, e por isso a cena mantém a forma quando você vira e volta.
Ele não é uma engine de jogo completa, e não faz geração de vídeo de jogo interativo como um runtime faria. Gera vídeo, não geometria com a qual interagir, então você não coloca a saída em uma build jogável como faria com uma cena 3D. Pense nele como uma ferramenta de produção para protótipos e pré-visualização, não como um runtime. Você precisa de uma GPU NVIDIA compatível e de paciência para rodar tudo localmente.
Getting Started
- Clone o repositório do Hunyuan-GameCraft no GitHub e instale as dependências de Python listadas no projeto
- Baixe os pesos pré-treinados do modelo no Hugging Face ou na página do projeto
- Prepare uma imagem de referência da sua cena e escreva um texto curto que a descreva
- Rode a inferência passando o sinal de teclado ou mouse para conduzir a câmera pela cena
- Revise o clipe gerado e ajuste o texto ou o caminho de ação para uma nova passada
Informações do produto
Uma visão rápida dos preços, das plataformas compatíveis e do desempenho de Hunyuan-GameCraft.
Ideal para
Os usuários, tarefas e cenários em que esta ferramenta se encaixa melhor.
Usuários
- Desenvolvedores de jogos que prototipam cenas
- Criadores indie e devs solo
- Pesquisadores de IA que estudam modelos de mundo
- Artistas 3D e de conceito
Tarefas
- Transformar uma imagem parada em vídeo de jogo em movimento
- Câmera em primeira e terceira pessoa
- Tomas longas com cenas coerentes
- Pré-visualização para apresentações
Cenários
- Um estúdio quer mostrar a sensação de um nível em uma reunião de conceito antes de mexer na engine
- Um criador solo tem uma boa imagem de cena e precisa de vídeo dela para o portfólio ou um trailer
- Um pesquisador precisa de um modelo de vídeo interativo barato e reprodutível para testar ideias de controle de câmera
- Um artista quer ver como uma cena se lê quando o espectador a percorre por outro ângulo
Principais recursos
De imagem para vídeo de jogo controlável
O Hunyuan-GameCraft parte de uma única imagem de referência e um texto, e daí gera uma cena de jogo em movimento. Você não anima quadro a quadro. Um codificador de ação leve lê a sua entrada e conduz a câmera pela cena. O resultado parece gameplay, não uma apresentação da imagem parada. Esse é o núcleo do modelo, e tudo o mais sustenta isso.
Controle unificado de teclado e mouse
O modelo leva a entrada padrão de teclado e mouse para um mesmo espaço de câmera. Na prática, ele entende velocidade e ângulo, não só esquerda ou direita. Você avança enquanto gira a visão, aquela ação combinada que um jogador de verdade faz sem pensar. Os toques soltos viram movimento de câmera fluido por interpolação, e é isso que evita que o resultado saia aos trancos.
Condição de histórico híbrida para tomas longas
Vídeos longos costumam se desfazer. A cena muda de forma, os objetos somem e o mundo esquece como era segundos atrás. O Hunyuan-GameCraft usa uma estratégia de treino com condição de histórico híbrida que estende a sequência de forma autorregressiva sem perder a informação original da cena. Você vira a câmera e volta, e a disposição continua lá. Isso é o que faz caminhadas de vários minutos se manterem inteiras.
Destilação do modelo para uso em tempo real
Um modelo desse tamanho pediria um data center para parecer interativo. A Tencent o destilou para que a inferência rode mais rápida e leve sem perder consistência em sequências longas. O resultado roda em uma placa de consumidor como a RTX 4090, não em um cluster. Menos sobrecarga é a diferença entre uma demo de laboratório e algo que um desenvolvedor senta para conduzir.
Vistas em primeira e terceira pessoa
O framework vai além de um único ponto de vista. Ele lida com cenas em primeira pessoa, onde o espectador é a câmera, e cenas em terceira pessoa, onde há um personagem na tela e a câmera o segue. As duas saem da mesma configuração de imagem de referência. Essa variedade importa porque jogos não usam um único estilo de câmera.
Treinado com dados de jogo em larga escala
O modelo foi treinado com mais de um milhão de gravações de gameplay de mais de 100 jogos AAA, e depois ajustado em um conjunto sintético curado para ganhar precisão. Essa amplitude explica por que ele lida com estilos de arte variados, de ruas realistas a vilarejos estilizados, e mantém a fidelidade visual entre eles.
Prós e contras
Prós
- Transforma uma única imagem em vídeo de jogo em movimento e conduzível, cortando o custo de um pipeline de modelagem e renderização
- O controle unificado de teclado e mouse dá controle de ação fino, com velocidade e ângulo, não só direção
- A condição de histórico híbrida mantém tomas longas coerentes, então as cenas sobrevivem a movimentos amplos de câmera
- A destilação o deixa rodar em uma GPU de consumidor como a RTX 4090 em vez de um cluster
- Código e pesos abertos, então você pode inspecionar, rodar e construir sobre ele
Contras
- Gera vídeo, não geometria 3D com a qual interagir, então a saída não entra direto em uma build jogável
- Rodar localmente significa lidar com instalação de Python, dependências e downloads do modelo antes de ver qualquer coisa
- Precisa de uma GPU NVIDIA com memória suficiente, então não é uma ferramenta de navegador que você abre em qualquer notebook
- Não há API hospedada, então times que querem um serviço gerenciado têm de hospedar todo o stack
Perguntas frequentes
Ele pega uma imagem de referência, um texto e uma ação de teclado ou mouse, e gera vídeo de jogo em que a câmera se move conforme você conduz. Você tira material com cara de gameplay a partir de uma única imagem parada.
Conteúdo relacionado
Explore ferramentas, skills e artigos relacionados a Hunyuan-GameCraft.
Alternativas a Hunyuan-GameCraft
ngram 2.0
ngram · Vídeo · Marketingngram 2.0 é um gerador de vídeo com IA para equipes. Ele transforma um pedido, uma gravação de tela ou a URL de um produto em vídeo explicativo, demo ou vídeo com avatar de IA, e cada cena continua editável.
OpenScreen 2
OpenScreen (open-source project) · Vídeo · ProdutividadeOpenScreen 2 é um gravador de tela e editor de vídeos de demonstração gratuito e de código aberto para Windows, macOS e Linux, com zoom automático, molduras, legendas locais e edição por agentes.
Skreno
Skreno · Vídeo · ProdutividadeO Skreno é um gravador de tela no navegador que captura uma aba, uma janela ou o monitor inteiro e anexa transcrições com IA, resumos e logs de console a um único link.