一、摘要
HY World 1.5（WorldPlay）是腾讯混元团队开源的实时世界模型框架，核心是一个支持流式生成的视频扩散模型。该系统可根据文本或图像输入，实时生成并更新可交互的 3D 世界，支持用户以第一人称或第三人称视角自由行走、观察和操作。其目标是解决当前世界模型在生成速度、长期一致性与上下文记忆之间的权衡问题。
二、核心特性
1、实时流式生成：支持 24 FPS 的长时序视频生成，适合连续探索与交互。
2、长期几何一致性：通过 Reconstituted Context Memory 机制，从历史帧中动态重建上下文，缓解记忆衰减问题。
3、稳健交互控制：采用 Dual Action Representation，对键盘与鼠标输入具备更稳定、可预测的响应。
4、多视角与可扩展世界：同时支持第一人称与第三人称视角，可用于无限世界扩展与事件触发。
三、安装
1、环境准备：需配置 Python 与深度学习运行环境，具体依赖以仓库说明为准。
2、获取代码：从 GitHub 克隆 HY-WorldPlay 仓库。
3、模型权重：通过 Hugging Face 下载对应模型权重，并按说明加载。
4、运行示例：参考仓库提供的脚本启动本地或交互式演示。
四、典型用例
1、交互式 3D 场景生成：通过文本或图片快速构建可探索环境。
2、游戏与虚拟世界原型：验证世界生成、导航与交互逻辑。
3、仿真与训练：用于机器人、自动驾驶或智能体的环境建模。
4、内容创作与展示：生成可漫游的虚拟场景用于展示或演示。
五、生态与竞品
1、生态：项目已提供在线体验、开源代码、模型权重及技术报告，便于研究与二次开发。
2、竞品对比：与偏离线或短序列生成的世界模型相比，WorldPlay 更强调实时性与长期一致性；与传统 3D 引擎相比，其优势在于生成式建模而非手工资产构建。具体效果仍需结合实际场景评估。
六、局限与注意事项
1、实时生成对算力要求较高，长时间运行需稳定的 GPU 资源。
2、复杂几何与精细物理交互仍受模型能力限制。
3、生成内容可能存在不稳定或漂移，建议在关键应用中进行约束与验证。
4、当前更适合研究与原型阶段，生产级应用仍需工程化优化。
七、项目地址
https://github.com/Tencent-Hunyuan/HY-WorldPlay
八、常见问题
Q: HY WorldPlay 是否支持实时交互与 24 FPS？
A: 官方介绍中支持以约 24 FPS 进行长时序流式生成与交互；实际帧率会受硬件与配置影响。
Q: HY WorldPlay 支持哪些输入方式（文本/图像）？
A: 支持使用文本或图像作为条件输入来生成并探索世界。
Q: HY WorldPlay 支持第一人称和第三人称视角吗？
A: 支持，官方说明同时覆盖第一人称与第三人称视角，以适配不同交互与应用形态。
Q: HY WorldPlay 的“长期几何一致性”主要靠什么机制实现？
A: 通过 Reconstituted Context Memory 机制动态从历史帧重建上下文，以缓解长期生成过程中的记忆衰减与一致性问题。
Q: HY WorldPlay 如何处理键盘与鼠标控制输入？
A: 使用 Dual Action Representation 来表示并响应交互动作，从而提升对键盘/鼠标输入的稳健性与可控性。
