영상 만들며 장면을 바꾼다… 텐센트 Hy-Nomas 공개

텐센트가 영상을 이어 만들면서 새 지시와 카메라 움직임을 반영하는 Hy-Nomas의 가중치를 공개했다. 공식 Hugging Face 저장소에는 10월 23일자 최초 커밋과 실제 모델 파일이 올라와 있다. 전체 파일 표시는 약 196GB이며, 생성 본체·프롬프트 처리·영상 디코더 폴더가 나뉜다.

FP32 기본·증류 본체 파일은 각각 약 34.2GB, INT8 본체는 약 9.06GB다. 이는 파일 크기로 실행 중 GPU 메모리 사용량과 다르다. 196GB 표시는 여러 버전과 부속 구성요소를 합친 값이다.

Hy-Nomas는 다음 영상 구간을 만들 때 텍스트로 대상·동작·장면·스타일을 바꾸거나 카메라 경로를 줄 수 있다. 앞서 만든 구간의 정보를 캐시에 남겨 후속 생성에 이용한다.

공통 추론 설정의 출력 해상도는 720×1280, 재생 속도는 초당 24프레임이다. 생성 과정의 잡음을 없애는 단계는 여덟 번으로 설정했다. 텍스트 인코더에는 Qwen2.5-VL-7B-Instruct를 쓰며, PixelUMM 디코더가 압축된 영상 표현을 화면으로 복원한다. 기본 실행 구성은 여덟 GPU를 한 추론 그룹으로 묶는다. 공통 구성은 과거 캐시 구간 수와 생성 구간 수의 상한을 지정하지 않는다. 영상을 이어갈수록 참조할 이력이 늘어나는 기본 방식이다. 이 설정값은 생성 처리량이나 지연 시간을 측정한 결과와 다르다.

별도의 저메모리 예제는 NVIDIA GeForce RTX 4090 한 대를 위한 구성을 제공한다. 본체 가중치와 캐시는 INT8로 줄이고 디코더는 FP8을 쓴다. 텍스트 인코더·생성 본체·디코더를 필요에 따라 CPU 쪽으로 옮겨 GPU 메모리를 아낀다. GPU가 참조하는 과거 정보의 기본 예산은 잠재 프레임 18개로, 현재 생성 구간의 영상 길이를 뜻하지 않는다.

온라인 데모에서는 Nomas-PE가 사용자의 지시를 생성용 프롬프트로 정리한다. 이는 Qwen 텍스트 인코더와 별개로 구동 자원을 쓰는 필수 서비스다. 단일 GPU 구성 설명은 영상 추론에 적용된다. 오프라인 추론은 준비된 프롬프트 파일을 직접 읽을 수 있다.

함께 공개된 Hy-Nomas-Bench는 텍스트 제어, 카메라 이동, 두 제어의 교차 사용, 공간 기억을 다루는 280개 평가 사례다. 텍스트 과제는 연속 지시에 따른 동작과 대상의 일관성을 살핀다. 공간 기억은 표적을 떠났다 돌아왔을 때 장면의 일관성을 비교한다.

평가 저장소에는 지시문과 상호작용 순서, 기준 카메라 경로 220개가 들어 있다. 생성 영상이나 재방문 비교용 추출 프레임, 평가 점수는 포함되지 않았다. 공개된 실행 절차는 영상을 만드는 단계이며 채점은 별도다.

텐센트가 공개한 코드·파라미터·가중치에는 Apache 2.0이 적용된다. 라이선스는 제3자 구성요소에 원래 약관이 유지된다고 구분한다. 재배포 때는 라이선스 사본과 관련 고지를 보존하고 수정한 파일에 변경 표시를 남기는 조건을 둔다. 문서의 상표 조항은 라이선스가 회사·제품명 사용 권한까지 부여하지 않는다고 명시한다.