> For the complete documentation index, see [llms.txt](https://docs.clore.ai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.clore.ai/guides/guides_v2-hi/3d/hunyuan-world-2.md).

# 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

{% hint style="info" %}
**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](#roadmap) नीचे।
{% endhint %}

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।

{% hint style="success" %}
इस गाइड के सभी उदाहरण द्वारा किराये पर लिए गए GPU सर्वरों पर चलते हैं [CLORE.AI मार्केटप्लेस](https://clore.ai/marketplace).
{% endhint %}

### 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                                                                   |

{% hint style="warning" %}
**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।
{% endhint %}

### 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

{% hint style="warning" %}
**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](https://clore.ai/bare-metal) के रूप में अनुरोध पर बेची जाती है। देखें [GPU मूल्य और उपलब्धता](/guides/guides_v2-hi/getting-started/pricing.md) किसी deployment का आकार तय करने से पहले।
{% endhint %}

| 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+                   | 12.8+                             |
| Python     | 3.10                    | 3.10                              |
| PyTorch    | 2.4.0                   | 2.4.0+                            |

{% hint style="info" %}
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।
{% endhint %}

***

## 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):

```yaml
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:

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

***

## विकल्प B — मैनुअल Python API

```bash
# 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
```

```python
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:

```bash
python -m hyworld2.worldrecon.gradio_app
```

FSDP के साथ मल्टी-GPU Gradio के लिए:

```bash
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](https://clore.ai/bare-metal) |
| उच्च-रेज़ बैच्ड (प्रोडक्शन)    | A100 80 GB | 80 GB      | पूर्ण 500K px लचीला रेज़, बड़े बैच         | [bare metal](https://clore.ai/bare-metal) |
| FSDP मल्टी-GPU / शोध           | 2–4× H100  | 160–320 GB | शार्डेड प्रशिक्षण-स्तरीय वर्कलोड           | \~$4.16/घंटा                              |

{% hint style="success" %}
**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।
{% endhint %}

***

## 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](https://huggingface.co/tencent/HY-World-2.0) 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](/guides/guides_v2-hi/3d/hunyuan3d.md) — Tencent का सिंगल-ऑब्जेक्ट टेक्स्ट/इमेज-टू-मेष जनरेटर (छोटा, Apache-शैली पाइपलाइन, अलग उपयोग-केस)
* [TRELLIS 3D](/guides/guides_v2-hi/3d/trellis-3d.md) — Microsoft का संरचित 3D एसेट जनरेटर
* [Gaussian Splatting](/guides/guides_v2-hi/3d/gaussian-splatting.md) — HY-World द्वारा उत्पन्न 3DGS आउटपुट के लिए रेंडर पाइपलाइन
* [HuggingFace मॉडल](https://huggingface.co/tencent/HY-World-2.0)
* [GitHub रिपो](https://github.com/Tencent-Hunyuan/HY-World-2.0)
* [CLORE.AI मार्केटप्लेस](https://clore.ai/marketplace)


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:

```
GET https://docs.clore.ai/guides/guides_v2-hi/3d/hunyuan-world-2.md?ask=<question>&goal=<endgoal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.