腾讯混元最新开源了Hunyuan-GameCraft模型，只需上传一张普通照片，就可以生成一套高清游戏大片。用户只需输入一张图+一段文字描述+动作指令，它就可以实时生成高清动态画面。该模型基于HunyuanVideo底模的高动态、可交互游戏视频生成框架，能实现流畅自由的动作表达和记忆更强的视频生成。Hunyuan-GameCraft的开源，降低了视频制作时间和试错成本，对游戏开发者、视频创作者和3D设计师都有重大意义。

🌟Hunyuan-GameCraft模型可以将普通照片转换为高清游戏视频，只需输入图片、文字描述和动作指令即可实时生成动态画面。

🎮该模型基于HunyuanVideo底模的高动态、可交互游戏视频生成框架，能够实现流畅自由的动作表达，例如边跑边转视角。

🧠模型具有更强的记忆能力，可以混合历史条件，使长视频中的角色和环境保持稳定，减少时间轴上的断点。

💡Hunyuan-GameCraft的开源降低了视频制作时间和试错成本，使游戏原型从几周缩到几小时，个人创作者也能制作出具有3A感的短片。

👍该模型适用于游戏开发者、视频创作者和3D设计师，可以帮助他们进行玩法验证、关卡预演、剧情分镜、制作沉浸式短片和快速创建动态演示。

原创 技术Z先生 2025-08-14 22:24 广东

腾讯最新开源图生游戏视频

* 戳上方蓝字“AI资讯互联”关注我

就在刚刚，腾讯混元最新开源了Hunyuan-GameCraft 模型，只需上传一张普通照片，就可以生成一套高清游戏大片

今天就带大家来实测下，腾讯最新开源的这个模型是什么，以及都有哪些功能！

它是什么，能做什么用户只需一张普通照片，就能在几秒钟里变成“可操控”的游戏开放世界！先来看下它生成的视频效果：

有没被震撼到，每一帧都有游戏级别的画帧，而这就是腾讯混元刚开源的 Hunyuan-GameCraft，它可以让你像导演一样设定场景，然后再像玩家那样按键走位，并把整个动态世界生成出来。

所使用到的技术：

基于 HunyuanVideo 底模的高动态、可交互游戏视频生成框架。简单理解：一套“游戏视频生成器”。

操作方式也很直接：只需输入一张图 + 一段文字描述 + 动作指令（键盘方向键），它就可以实时生成高清动态画面。

视角和玩法都不挑：既能做第一人称的跑酷推进，也能做第三人称的跟随探险，而且镜头运动流畅，观感接近真正在游戏里游走。

从官方示例看，几个关键能力很有代表性相比其余的那些图生视频模型，腾讯生成的游戏视频有些自有特点：

单动作场景不再“死板”：比如风车村的画面里，风车真的转、云层也在飘，场景活了起来。

多动作组合没压力：转镜头的同时还能走动，像在阳光灿烂的地中海庭院里边环视边前进，连贯自然。

历史一致性强：镜头移开再回来，雪地里的中世纪城堡还是原样，不“变形”、“穿帮”。

第三人称也稳：夜路上跟拍一辆黑色跑车，车灯扫过路面，节奏感和空间感都在。

为什么这事难，之前卡在哪

动作生硬、场景僵硬：传统生成模型常常像“机器人走位”，转身和平移不能同时做，运动范围小；靠静态3D重建的方案，风车不转、云不飘，改完场景它也不会动。

长期一致性差：镜头一折返，原先的物体位置可能变了；生成长视频更容易“忘记”历史帧，连贯性掉链子。

成本太高：走传统工艺要团队手工建模、灯光、渲染，时间、算力、人力全都贵。

Hunyuan-GameCraft是如何破局的

流畅自由的动作表达：统一连续动作空间，角度/速度可细粒度控制，能“边跑边转视角”；还能直接生成动态元素（主角/NPC、雨雪水流、云层等）。

记忆更强：混合历史条件，让长视频里的角色和环境稳定不乱跳，减少时间轴上的断点。

成本下探到个人可玩：不必手建模和渲染；结合阶段一致性蒸馏（Phased Consistency Model, PCM）与 DeepCache，压缩推理步数；13B 模型量化后，消费级显卡 RTX 4090 就能跑，无需高端服务器。对比一些闭源游戏生成方案，它的泛化能力更强。

Hunyuan-GameCraft的开源有何重大意义？混元gameCraft的开源，可以让大家降低很多试错成本以及降低视频制作时间！

游戏原型从“几周”缩到“几小时”：先用一张概念图加几句描述，把剧情走一遍、镜头走一遍，再决定哪些部分值得投入重建。

个人创作者能做“3A感”的短片：街头随手拍一张，配上“赛博朋克雨夜巷口”的描述，按方向键推进，一段沉浸式“异世界探险”就出片了。

设计师演示更直观：原画不再只是一张静帧，可以秒变动态场景给客户/团队看，气氛、动线、光影一目了然。

一些使用小建议（基于我的经验偏好）经过多个视频生成测试，以下是我对于提示词的一些使用建议：

文本描述越具体，画面生成越靠谱。比如别只写“城堡”，补充“雪夜、窗户透出暖光、石墙有风化痕迹”，模型在生成时会更好地“记住”这些细节。

动作别一下子跳转的太大。在生成长视频时，先慢速转镜再推进，可以让得到的视频画面更稳定；需要快速运动时，可先用分镜式生成，再拼接这些分镜画面。

选图有讲究：需要对比关系清晰、主体层次分明的照片，这样更容易出“电影感”的画面。

如果想要风格化的视频，就需要把风格词写清楚，如“油画笔触”“Mediterranean”“noir”等，这类标签对模型挺友好。

适用人群

游戏开发者：做玩法验证、关卡预演、剧情分镜，减少早期建模和渲染的投入。

视频创作者：一张照片生成沉浸式短片，不必会3D软件也能玩出空间镜头。

3D 设计师：原画快速变动态 demo，帮助交流创意和节奏感。

项目与体验入口好了，说了这么多，大家一定迫不及待想知道如何体验了吧，以下是相关地址：

项目官网：https://hunyuan-gamecraft.github.io/

代码仓库：https://github.com/Tencent-Hunyuan/Hunyuan-GameCraft-1.0

技术报告（arXiv）：https://arxiv.org/abs/2506.17201

Hugging Face 模型页：https://huggingface.co/tencent/Hunyuan-GameCraft-1.0

结语最后，一句话总结下：Hunyuan-GameCraft 让“我想走进这张图看看”的冲动，有了即时、可控、还不太贵的实现方式。对内容生产来说，这是把“先拍出感觉，再雕琢细节”的工作流方式真正带到了游戏世界里。