腾讯开源：视频生成框架Hunyuan-GameCraft

1. 引言

传统的视频生成模型，无论是文生视频（Text-to-Video）还是图生视频（Image-to-Video），其生成过程都是“一次性”的。用户提供提示，模型生成一段视频，交互就此结束。然而，真正的沉浸式体验，尤其是在游戏场景中，要求视频的生成是动态的、连续的、可由用户实时驱动的。

Hunyuan-GameCraft正是为了应对这一挑战而生。它旨在解决现有方法在以下几个关键领域的局限性：

• 高动态性 (High Dynamics)：能够生成快速、复杂的场景变化。
• 精细控制 (Fine-grained Control)：用户能够通过标准游戏输入（键盘、鼠标）进行精确的视角和移动控制。
• 长期一致性 (Long-term Consistency)：在无限延伸的视频序列中，保持场景、物体和物理逻辑的一致性。
• 高效率 (Efficiency)：推理速度足够快，以支持实时或近实时的交互。

2. Hunyuan-GameCraft概览：一个为“交互”而生的视频生成框架

Hunyuan-GameCraft是一个基于扩散模型的交互式游戏视频合成框架。其核心工作流程是：给定一张初始的游戏场景图片和一段文本描述，用户可以通过类似游戏的键盘/鼠标操作，**自回归地（autoregressively）**生成后续