腾讯混元全新开源Hunyuan-GameCraft：高动态交互式游戏视频生成框架

今天，腾讯混元团队正式开源 Hunyuan-GameCraft。作为基于 HunyuanVideo 底模的高动态交互式游戏视频生成框架，它专注于高动态交互式游戏视频生成，允许用户通过一张图片 + 文字描述 + 动作指令，实时生成高清游戏动态视频，例如第一人称跑酷、第三人称探险等场景。

传统游戏视频制作面临三大痛点：动作僵硬、场景静态、制作成本高昂。Hunyuan-GameCraft 的推出，正是为了解决这些根本问题。它通过统一连续动作空间，支持高精度控制，生成动态内容的同时，保持了角色和环境的长期一致性，将制作成本压缩到消费级硬件可承载的范围。

我们先来看几个官方案例：

宁静的风景是一条河流蜿蜒穿过郁郁葱葱的绿色田野，在明亮的蓝天上点缀着蓬松的云朵。

风景如画的乡村景观，在部分多云的天空下，传统的风车周围环绕着金色的田野。

风景如画的乡村风光，拥有古色古香的房屋、风车、郁郁葱葱的绿色植物和明亮蓝天下宁静的山脉背景。

在多种场景和风格的控制精度、长期一致性、历史保存和动态性能方面，Hunyuan-GameCraft 具有强大功能。

技术架构层面  ，Hunyuan-GameCraft 实现了三大突破：

- 将离散的键盘鼠标动作信号统一映射到共享的连续相机表示空间，支持包括速度、角度等复杂输入；

- 设计混合历史条件训练策略，通过结合当前输入与历史视频帧信息，以自回归方式生成序列，确保长期一致性；

- 采用模型蒸馏技术压缩模型体积，推理速度提升 10-20 倍，单次动作响应延迟降至5秒内，满足实时交互需求。

为了训练这一系统，研究团队构建了迄今最丰富的游戏视频数据集——涵盖《刺客信条》《荒野大镖客》《赛博朋克2077》等 100 余款 3A 游戏，总计超过 100 万段 1080p 高清游戏录像片段。这些数据经过场景与动作感知的两级划分、光流梯度动作边界检测、质量过滤与亮度筛选，最终形成高精度标注的训练样本。

就在三周前，腾讯刚刚开源了混元 3D 世界模型 1.0——业界首个支持沉浸漫游、交互与仿真的开放世界生成模型，可将数周的 3D 场景建模工作缩短至几分钟。

而 Hunyuan-GameCraft 则进一步补充了动态游戏视频生成能力，形成“静态 3D 场景→动态交互内容”的完整工具链，推动游戏与数字内容创作的革新。

在游戏生成领域，Hunyuan-GameCraft 的技术路径具有开创性。不同于传统逐帧渲染或预录制视频，它通过动作信号与图像条件的实时融合，创造出可交互的动态内容。用户按下键盘方向键的瞬间，系统便基于输入图像和动作轨迹生成下一帧画面，形成类似真实游戏的操控体验。这种“输入-生成”的实时闭环，为未来游戏形态提供了全新可能。

目前，Hunyuan-GameCraft 已在 GitHub 和 Hugging Face 全面开源，包含完整模型权重、训练代码和技术报告。技术团队提供了清晰的部署指南，涵盖推理、量化和 Docker 集成方案，开发者可快速上手实验。

Hunyuan-GameCraft 的开源不只是技术成果的分享，更是对创作民主化的一次实质性推动——它让每个有想象力的人，都能成为自己游戏世界的导演。