Hunyuan-GameCraft
Tencent Hunyuan · 影片 · 程式設計
Hunyuan-GameCraft 是騰訊的開放模型，能把一張圖、一段文字加上鍵盤或滑鼠輸入，變成可操控的遊戲影片，且能在消費級顯示卡上執行。
關於 Hunyuan-GameCraft
What Is Hunyuan-GameCraft
Hunyuan-GameCraft 是騰訊混元團隊為遊戲場景打造的開放影片生成模型。你給它一張參考圖、一段文字和一個動作訊號，它就會把圖片轉遊戲影片，產出鏡頭像玩家操作那樣移動的畫面。騰訊在 2025 年 8 月 14 日釋出 1.0 版的推論程式與模型權重，論文可在 arXiv 找到。
多數影片模型把場景當成一段重播的片段。這款模型把場景當成你來駕馭的空間。當你按下 W，模型並不是學會「前進」這個抽象概念，而是把那個按鍵轉換成一條具體的鏡頭路徑，一連串的位置與旋轉，再沿著這條路徑把世界畫出來。這也是它能處理速度與角度、不只方向的原因，也是鏡頭轉開再轉回來時，場景仍能維持原貌的關鍵。
它不是完整的遊戲引擎，做的事也和即時引擎的互動式遊戲影片生成不同。它產生的是影片，不是能實際互動的幾何結構，所以你沒辦法像處理 3D 場景那樣，直接把輸出丟進可遊玩的專案裡。把它當成原型製作與預覽的生產工具，而不是執行環境。你需要一張支援的 NVIDIA 顯示卡，還要一點設定功力，才能在本機跑起來。
Getting Started
- 從 GitHub 複製 Hunyuan-GameCraft 的儲存庫，安裝專案列出的 Python 相依套件
- 從 Hugging Face 或專案頁面下載預訓練的模型權重
- 準備一張場景參考圖，寫一段簡短文字描述它
- 執行推論，並傳入鍵盤或滑鼠動作訊號，讓鏡頭在場景中移動
- 檢視生成的片段，調整文字或動作路徑後再跑一輪
產品資訊
快速了解 Hunyuan-GameCraft 的定價、支援平台與效能。
適合對象
這項工具最適合的使用者、任務與情境。
使用者
- 為場景做原型的遊戲開發者：想在投入完整 3D 工作前，先看到某個關卡或鏡頭路徑動起來的團隊，機器需有 RTX 4090 或同等顯示卡
- 獨立創作者與單人開發者：負擔不起建模與算圖流程，但手上有一張場景概念圖和一張消費級顯示卡可以測試的人
- 研究世界模型的 AI 研究者：想檢視或延伸一套開放互動影片框架、而非封閉服務的人
- 3D 與概念藝術家：想從單張插畫快速做出動態版本，用來呈現動作與氛圍的人
任務
- 把靜態圖變成動態遊戲影片：拿一張手繪或算圖完成的場景，讓鏡頭在裡面前進、平移或轉向
- 第一人稱與第三人稱運鏡：用同一張參考圖，做出第一人稱奔跑或過肩視角的畫面
- 場景一致的長鏡頭：產出大幅移動後仍能維持配置、不會變形或掉物件的影片
- 提案用的預覽：在沒有完整製作流程的情況下，勾勒出一個場景動起來的感覺
情境
- 工作室想在概念會議上先展示某個關卡的手感，之後才開始動引擎
- 獨立創作者手上有一張不錯的場景圖，需要一段影片放進作品集或預告
- 研究者需要一套便宜、可重現的互動影片模型，用來測試鏡頭控制的想法
- 藝術家想看看場景被觀眾從另一個角度走過時，讀起來是什麼樣子
主要功能
從圖片到可操控的遊戲影片
Hunyuan-GameCraft 從單張參考圖和一段文字出發，生成一段動態遊戲場景。這是遊戲影片模型的核心，本質上是一套相機控制影片模型，你不是逐格做動畫。一個輕量的動作編碼器讀取你的輸入，帶動鏡頭在場景中移動。成果看起來像遊戲實機畫面，而不是靜態圖的輪播。這是模型的核心，其餘功能都在支撐它。
統一的鍵盤與滑鼠控制
模型把標準的鍵盤與滑鼠輸入，整合到同一個鏡頭空間裡。實際運作時，它懂的是速度與角度，不只是左右。你可以一邊前進、一邊轉動視角，就像真實玩家不假思索做出的組合動作。零散的按鍵經過插值後變成平順的鏡頭運動，畫面因此不會跳動。
混合歷史條件撐住長鏡頭
長影片常常會崩掉。場景變形、物件消失、世界忘記幾秒前的樣子。Hunyuan-GameCraft 採用混合歷史條件的訓練策略，以自迴歸方式延伸序列，同時保留原始場景資訊。鏡頭轉開再轉回來，配置還在原處。這正是數分鐘漫遊能維持完整、而不是逐漸劣化的原因。
模型蒸餾實現即時使用
這種規模的模型，通常得靠機房才跑得出互動感。騰訊把它蒸餾過，推論更快更輕，同時在長序列上維持一致性。結果是它能跑在 RTX 4090 這類消費級顯示卡上，而不是整座叢集。負擔降下來，才分得出研究展示和開發者真的能坐下來操控的東西。
第一人稱與第三人稱視角
這套框架不侷限於單一視角。它處理第一人稱場景，觀眾就是鏡頭；也處理第三人稱場景，畫面中有角色、鏡頭跟著它跑。兩者都從同一張參考圖設定而來。這個範圍很重要，因為遊戲不會只用一種運鏡方式。
以大量遊戲資料訓練
模型以超過 100 款 AAA 遊戲、逾百萬筆遊戲錄影訓練，之後再用一份精選的合成資料集微調以提升精準度。這個廣度讓它能處理多變的藝術風格，從寫實街道到風格化村莊，並在其中維持視覺保真度。
優缺點
優點
- 把單張圖變成可操控的動態遊戲影片，省下建模與算圖流程的成本
- 統一的鍵盤與滑鼠控制帶來細緻的動作控制，涵蓋速度與角度，不只方向
- 混合歷史條件讓長鏡頭維持一致，場景能撐過大幅的鏡頭移動
- 模型蒸餾讓它能跑在 RTX 4090 這類消費級顯示卡上，而非伺服器叢集
- 開源程式與權重，也是一套開源遊戲 AI，你可以自行檢視、執行並在其上延伸
缺點
- 它產生影片，不是可互動的 3D 幾何，輸出無法直接放進可遊玩的專案
- 在本機執行代表你得先處理 Python 安裝、相依套件與模型下載，才能看到成果
- 需要記憶體足夠的 NVIDIA 顯示卡，所以它不是能隨便在筆電瀏覽器打開的工具
- 沒有託管的 API，想要管理式服務的團隊得自行架設整套流程
常見問題
它接收一張參考圖、一段文字和一個鍵盤或滑鼠動作，生成鏡頭依你操控而移動的遊戲影片。你能從單張靜態圖得到看起來像實機畫面的片段。
相關內容
探索與 Hunyuan-GameCraft 相關的工具、技能與文章。
Hunyuan-GameCraft 替代方案
Griffin by Tavus
Tavus · 語音與語言 · 影片 · 聊天機器人Griffin by Tavus 是第一個稱為人類互動模型的系統，採全雙工、影片對影片架構，在 AI 視訊通話中即時觀察、聆聽並回應。
Syllaby AI Avatar 2.0
Syllaby · 影片 · 行銷Syllaby AI Avatar 2.0 把腳本變成 AI 主播影片，可重複使用的虛擬人像、自然配音、補充畫面與自動字幕都在同一套流程裡完成。
Vitra.ai
Vitra.ai · 語音與語言 · 影片 · 行銷Vitra.ai 是代理式內容平台，能從同一份簡報製作、翻譯、審核並發布影片、圖像、文件與 App 內容，支援 120 種語言。