Hunyuan World 2.0 (3D वर्ल्ड मॉडल)

Clore.ai GPUs पर टेक्स्ट/छवि/वीडियो से 3D सीन जनरेशन के लिए Tencent HY-World 2.0 — पहला ओपन-सोर्स SOTA 3D वर्ल्ड मॉडल — डिप्लॉय करें

15 अप्रैल, 2026 को जारी — Tencent Hunyuan ने जारी किया HY-World 2.0, पहला पूरी तरह से ओपन-सोर्स SOTA 3D वर्ल्ड मॉडल। यह गाइड कवर करती है WorldMirror 2.0 (शिप किया गया ~1.2B पैरामीटर पुनर्निर्माण घटक)। सहायक मॉडल HY-Pano 2.0 और WorldStereo 2.0 को आधिकारिक रिपो में "जल्द आ रहा है" के रूप में चिह्नित किया गया है — देखें रोडमैप नीचे।

HY-World 2.0 Tencent का मल्टी-मोडल वर्ल्ड-मॉडल फ्रेमवर्क है पूर्ण 3D दृश्यों के पुनर्निर्माण, निर्माण, और सिमुलेशन के लिए. एकल-ऑब्जेक्ट मेष जनरेटरों के विपरीत, HY-World टेक्स्ट, एकल या बहु-दृश्य छवियाँ, या वीडियो इनपुट लेता है और संपादन योग्य वर्ल्ड रिप्रेज़ेंटेशन आउटपुट करता है — मेष, 3D Gaussian Splats, पॉइंट क्लाउड, डेप्थ मैप, सतह नॉर्मल, और पुनर्प्राप्त कैमरा पैरामीटर — जो Unity, Unreal, या Blender में सीधे उपयोग के लिए तैयार हैं।

पहले सार्वजनिक वेट्स शामिल हैं WorldMirror 2.0 (~1.2B params, BF16) — स्टैक का पुनर्निर्माण आधा। यह एकल GPU पर लगभग 12–24 GB VRAM में चलता है और 50K से 500K पिक्सल तक के लचीले रेज़ोल्यूशन का समर्थन करता है, साथ ही बड़े वर्कलोड के लिए FSDP मल्टी-GPU शार्डिंग भी। एक Python API (diffusers-शैली), CLI के माध्यम से torchrun, और एक Gradio डेमो साथ में ही उपलब्ध हैं। एक ComfyUI नोड नहीं अभी आधिकारिक नहीं है — केवल समुदाय पोर्ट्स।

इस गाइड के सभी उदाहरण द्वारा किराये पर लिए गए GPU सर्वरों पर चलते हैं CLORE.AI मार्केटप्लेस.

मुख्य विनिर्देश

गुण

मान

घटक

WorldMirror 2.0 (शिप किया गया); HY-Pano 2.0 + WorldStereo 2.0 जल्द आ रहे हैं

पैरामीटर

~1.2B (BF16)

इनपुट मोडैलिटीज़

टेक्स्ट · एकल-दृश्य छवि · बहु-दृश्य छवियाँ · वीडियो

आउटपुट

मेष · 3D Gaussian Splat · पॉइंट क्लाउड · डेप्थ · नॉर्मल्स · कैमरा पैरामीटर

VRAM

~12–24 GB एकल GPU; मल्टी-GPU के लिए FSDP

रेज़ोल्यूशन रेंज

50K – 500K पिक्सल (लचीला रेज़)

लाइसेंस

tencent-hy-world-2.0-community (कस्टम — नीचे देखें)

रिलीज़

2026-04-15

लाइसेंस संबंधी सावधानी: HY-World 2.0 एक कस्टम कम्युनिटी लाइसेंस के तहत आता है (License.txt रिपो रूट में), नहीं Apache 2.0 या MIT। व्यावसायिक उपयोग की शर्तें Tencent के Hunyuan3D 2.1 से अलग हैं। इस पर आधारित कुछ भी जारी करने से पहले पूरा लाइसेंस पढ़ें।

HY-World 2.0 क्यों?

पहला ओपन-सोर्स SOTA वर्ल्ड मॉडल — इस श्रेणी में कोई बंद प्रतिस्पर्धी नहीं
सिर्फ मेष नहीं, पूरा दृश्य आउटपुट — एक ही पास में Gaussian Splats + ज्यामिति + कैमरा
मल्टी-मोडल इनपुट — वही पाइपलाइन टेक्स्ट, इमेज, और वीडियो को संभालती है
FSDP-तैयार — उच्च-रेज़ या बैच्ड inference के लिए 2–8 GPUs पर स्केल
गेम-इंजन के लिए तैयार — आउटपुट सीधे Unity, Unreal, और Blender में डाले जा सकते हैं

आवश्यकताएँ

Clore.ai marketplace पर multi-GPU 80GB-class rigs सूचीबद्ध नहीं हैं। आज सूचीबद्ध सबसे बड़े boxes 4× RTX PRO 6000 Blackwell (प्रत्येक 96GB, कुल 380GB) और 8–11× RTX 5090 (प्रत्येक 32GB) हैं। A100 / H200 / B200 क्षमता bare metal के रूप में अनुरोध पर बेची जाती है। देखें GPU मूल्य और उपलब्धता किसी deployment का आकार तय करने से पहले।

घटक

न्यूनतम

अनुशंसित

GPU VRAM

16 GB (RTX 4080 / 3090)

24–80 GB (RTX 4090 / A100 / H100)

System RAM

32 GB

64–128 GB

डिस्क

80 GB

200 GB

CUDA

12.8+

Python

3.10

PyTorch

2.4.0

2.4.0+

मल्टी-GPU मोड के लिए चाहिए ≥ प्रति GPU 1 इनपुट छवि. एकल संदर्भ छवि के लिए, एक GPU के साथ ही रहें और FSDP को केवल बैच्ड या उच्च-रेज़ोल्यूशन कार्यों के लिए सक्रिय होने दें।

विकल्प A — Docker + torchrun के साथ क्विकस्टार्ट

एक न्यूनतम docker-compose.yml एक Clore.ai कंटेनर के लिए (आधिकारिक Tencent इमेज अभी प्रकाशित नहीं हुई है — इसमें PyTorch बेस का उपयोग किया गया है और रिपो इंस्टॉल अंदर चलाया जाता है):

version: "3.8"
services:
  hyworld2:
    image: pytorch/pytorch:2.11.0-cuda12.8-cudnn9-devel
    ports:
      - "7860:7860"
    volumes:
      - ./workspace:/workspace
      - hf_cache:/root/.cache/huggingface
    working_dir: /workspace
    command: >
      bash -c "
        git clone https://github.com/Tencent-Hunyuan/HY-World-2.0 &&
        cd HY-World-2.0 &&
        pip install -r requirements.txt &&
        pip install flash-attn --no-build-isolation &&
        python -m hyworld2.worldrecon.gradio_app
      "
    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia
              count: all
              capabilities: [gpu]
    shm_size: "16gb"

volumes:
  hf_cache:

FSDP और BF16 के साथ एक मल्टी-GPU पुनर्निर्माण जॉब चलाएँ:

torchrun --nproc_per_node=2 -m hyworld2.worldrecon.pipeline \
    --input_path /workspace/input_images \
    --use_fsdp --enable_bf16

विकल्प B — मैनुअल Python API

# क्लोन करें और इंस्टॉल करें
git clone https://github.com/Tencent-Hunyuan/HY-World-2.0
cd HY-World-2.0
conda create -n hyworld2 python=3.10 -y
conda activate hyworld2
pip install torch==2.4.0 torchvision==0.19.0 --index-url https://download.pytorch.org/whl/cu128
pip install -r requirements.txt
pip install flash-attn --no-build-isolation

from hyworld2.worldrecon.pipeline import WorldMirrorPipeline

# HF (tencent/HY-World-2.0) से ~1.2B BF16 वज़न लोड करता है
pipeline = WorldMirrorPipeline.from_pretrained('tencent/HY-World-2.0')

# बहु-दृश्य छवियों वाले फ़ोल्डर से 3D दृश्य पुनर्निर्मित करें
result = pipeline('path/to/images')

# वैकल्पिक: अधिक सटीक पुनर्निर्माण के लिए पूर्व कैमरा + डेप्थ डालें
result = pipeline(
    'path/to/images',
    prior_cam_path='path/to/prior_camera.json',
    prior_depth_path='path/to/prior_depth/',
)

Gradio डेमो को पोर्ट 7860 पर लॉन्च करें:

python -m hyworld2.worldrecon.gradio_app

FSDP के साथ मल्टी-GPU Gradio के लिए:

torchrun --nproc_per_node=2 -m hyworld2.worldrecon.gradio_app \
    --use_fsdp --enable_bf16

Clore.ai GPU अनुशंसाएँ

वर्कलोड

GPU

VRAM

क्यों

Clore.ai लागत

एकल छवि → दृश्य, dev/preview

RTX 4090

24 GB

BF16 आराम से फिट होता है, तेज़ iteration

$0.14–0.42/hr

मल्टी-व्यू वीडियो पुनर्निर्माण

A100 40 GB

40 GB

200K+ px फ्रेम्स को बिना OOM के संभालता है

bare metal

उच्च-रेज़ बैच्ड (प्रोडक्शन)

A100 80 GB

80 GB

पूर्ण 500K px लचीला रेज़, बड़े बैच

bare metal

FSDP मल्टी-GPU / शोध

2–4× H100

160–320 GB

शार्डेड प्रशिक्षण-स्तरीय वर्कलोड

~$4.16/घंटा

Clore.ai पर सबसे अच्छा विकल्प: एक RTX 4090 $0.14–0.42/घंटा पर रोज़मर्रा के WorldMirror inference को संभालता है। A100 पर तभी जाएँ जब आपको >200K-पिक्सल पुनर्निर्माण या लंबे वीडियो इनपुट की आवश्यकता हो।

उपयोग के मामले

गेम डेवलपमेंट — कॉन्सेप्ट आर्ट को blockout और greybox के लिए मोटे 3D वातावरण में बदलें
AR/VR सामग्री — Unity/Unreal में चलने योग्य, लगभग-फोटोग्राफिक fidelity वाले Gaussian Splat दृश्य बनाएं
फ़िल्म और एनीमेशन previs — वर्चुअल सिनेमैटोग्राफी के लिए ऑन-लोकेशन फ़ोटो से सेट्स का पुनर्निर्माण करें
आर्किटेक्चरल विज़ुअलाइज़ेशन — संदर्भ शॉट्स या टेक्स्ट ब्रीफ़ को संपादन योग्य 3D वॉकथ्रू में बदलें
रोबोटिक्स + सिमुलेशन — विरल वास्तविक-विश्व फुटेज से 3D प्रशिक्षण वातावरण सिंथेसाइज़ करें

रोडमैप

Tencent ने आधिकारिक रिपो में निम्न को "जल्द आ रहा है" के रूप में सूचीबद्ध किया है:

HY-Pano 2.0 — 360° पैनोरमा जनरेशन (अंतरिम: HunyuanWorld 1.0)
WorldStereo 2.0 — वर्ल्ड विस्तार / नव-व्यूपॉइंट संश्लेषण (अंतरिम: मूल WorldStereo)
WorldNav — दृश्य traversal के लिए trajectory planning
पूर्ण वर्ल्ड-जनरेशन पाइपलाइन कोड — टेक्स्ट/इमेज → पूर्ण वर्ल्ड entry point

WorldMirror 2.0 (पुनर्निर्माण) आज सार्वजनिक वेट्स वाला एकमात्र घटक है। HF मॉडल पेज पर नज़र रखें।

समस्या निवारण

समस्या

समाधान

CUDA out of memory 16 GB GPU पर

इनपुट रेज़ोल्यूशन को 50K px की ओर कम करें, या RTX 4090 (24 GB) पर स्विच करें। --enable_bf16

FSDP लॉन्च पर अटक जाता है

सुनिश्चित करें कि इनपुट छवियों की संख्या ≥ --nproc_per_node. FSDP को GPUs के बीच NCCL + मेल खाती CUDA भी चाहिए

flash-attn इंस्टॉल विफल होता है

प्री-बिल्ट wheel आज़माएँ pip install flash-attn --no-build-isolation CUDA 12.8 पर; यदि फिर भी विफल हो, तो पाइपलाइन इसके बिना (धीमे) चलती है

Clore.ai पर Gradio UI पहुँच में नहीं है

Clore कंटेनर कॉन्फ़िग में पोर्ट 7860 फ़ॉरवर्ड करें, या इसे लॉन्च करें --share

व्यावसायिक उपयोग के लिए लाइसेंस प्रश्न

पढ़ें License.txt रिपो में — यह tencent-hy-world-2.0-community, मानक OSS नहीं है

अगले चरण

Hunyuan3D 2.1 — Tencent का सिंगल-ऑब्जेक्ट टेक्स्ट/इमेज-टू-मेष जनरेटर (छोटा, Apache-शैली पाइपलाइन, अलग उपयोग-केस)
TRELLIS 3D — Microsoft का संरचित 3D एसेट जनरेटर
Gaussian Splatting — HY-World द्वारा उत्पन्न 3DGS आउटपुट के लिए रेंडर पाइपलाइन
HuggingFace मॉडल
GitHub रिपो
CLORE.AI मार्केटप्लेस

पिछलाHunyuan3D 2.1

अगलाNerfstudio

अंतिम अपडेट 1 माह पहले

क्या यह उपयोगी था?