4月16日，腾讯正式宣布混元3D世界模型2.0（HY-World 2.0）发布并全面开源。这款多模态世界模型标志着AI能力的一次重大跃迁——从”对话”、”画图”、”捏物体”，正式进化到了”造世界”。
核心看点
- 支持文字、图片、视频多模态输入，一键生成可漫游的完整3D世界
- 直接输出可编辑的3D资产文件（Mesh/3DGS/点云），无缝对接Unity、UE等游戏引擎
- 支持角色自由探索模式，具备真实物理碰撞，像真正的游戏世界
- 可复刻真实3D场景，为数字孪生、室内装修、城市规划提供新方案
从”看视频”到”进世界”
此前主流的世界模型，如谷歌Genie 3和混元世界模型1.5，仅能生成视频文件。而2.0版本的实用性更进一步——它可以直接生成可二次编辑的3D资产文件，这些资产可以直接导入到游戏制作或具身仿真引擎。
简单来说，以前AI给你的是一段”看房视频”，现在AI给你的是一套”可装修的毛坯房”。
多模态输入，草图变地图
HY-World 2.0支持多种模态输入：
- 输入一段文字描述，生成对应风格的3D空间
- 上传一张图片，一键转换为可漫游的3D场景
- 提供一段视频或多视角图片，复刻真实3D场景
相比1.0版本，2.0的模型架构全面升级，画面精细度和真实感大幅提升。用户还可以自定义风格，按需生成真实风、漫画风、游戏风的3D空间。
角色模式：真正的可交互世界
模型支持角色模式，用户可以操作角色在街道、建筑、场景中自由探索，不限时间，具有物理碰撞——就像在游戏里一样。
这不是简单的3D场景展示，而是一个真正可交互的虚拟世界。物体有侧面和背面，角色不能穿墙，这些细节让生成的世界具备了实用价值。
技术架构升级
混元团队在技术层面进行了多项创新：
HY-Pano-2.0模型：采用端到端隐式学习方案，让模型自己学会从普通图片到360度全景的空间映射，完全不需要任何相机元数据。
空间Agent技术：结合VLM与游戏自动寻路算法常用的navmesh表征，让大模型能够理解空间语义，并智能规划出有意义的漫游轨迹，确保覆盖场景中最有价值的区域，同时避免穿墙、跑飞。
HY-WorldStereo：业界最强的新视角生成（NVS）模型，生成画面对输入相机精准跟随，且多条运镜的生成结果保持空间一致不会有冲突。
HY-WorldMirror 2.0：将所有生成的片段整合为统一的、可交互的3D世界，采用3D高斯泼溅（3DGS）表示，同时可以转出高质量mesh。
应用场景展望
混元世界模型2.0的发布，为多个领域带来了新的可能性：
- 游戏开发：快速生成游戏地图和关卡原型，大幅降低创作门槛
- 数字孪生：构建高精度的数字孪生空间，用于工业仿真、智慧城市
- 室内装修：基于真实空间快速构建和还原，实现装修预览
- 文化遗产保护：复刻历史场景，实现数字化保存
开源地址
腾讯已将HY-World 2.0全面开源：
- 体验申请：https://3d.hunyuan.tencent.com/sceneTo3D
- 开源代码：https://github.com/Tencent-Hunyuan/HY-World-2.0
- 技术报告：https://3d-models.hunyuan.tencent.com/world/world2_0/HY_World_2_0.pdf
混元3D世界模型2.0的开源，标志着国内AI在3D生成领域迈出了重要一步。对于游戏开发者和3D内容创作者来说，这无疑是一个值得关注的工具。
本文地址：https://www.163264.com/10942