腾讯混元团队发布了 3D 世界模型 2.0（HY-World 2.0），这是一款多模态世界模型，能够理解文字、图片、视频输入，自动生成可漫游、可交互、可二次编辑的 3D 世界。与之前只能生成视频的世界模型不同，HY-World 2.0 直接输出可导入 Unity、UE 等引擎的 3D 资产。

适合人群：游戏开发者、关卡设计师、具身智能研究者、3D 内容创作者。

HY-World 2.0 是什么

简单类比：以前的世界模型给你一段视频，HY-World 2.0 给你一个可以走进去的空间。

HY-World 2.0 的核心能力是三个：世界生成（从文字/图片/视频创建3D空间）、世界重建（从多视角图片重建精确3D场景）、全景图生成。

输入"生成一个温馨的绘本风格小木屋"，即可生成角色可自由穿行的3D空间。

核心功能

多模态输入

• 文字生成：输入提示词，如"生成一个日式RPG风格的中世纪地牢"
• 图片生成：上传一张参考图，模型据此生成3D空间
• 视频生成：输入一段视频（如游戏实况），模型捕捉运动轨迹和场景
• 多视角图片：上传多角度照片，重建效果最佳

角色漫游模式

用户可以操作角色在生成的3D场景中自由探索，具备物理碰撞效果。角色走楼梯、过桥梁时移动形态自然流畅，可用于测试空间结构。

3D 资产导出

生成的场景采用 3D 高斯泼溅（3DGS）表示，同时可导出高质量 Mesh。支持格式包括 Mesh、3DGS、点云等，可直接无缝导入 Unity、UE 等主流游戏引擎进行二次编辑。

技术亮点

端到端全景生成

HY-Pano-2.0 方案采用端到端隐式学习，无需任何相机参数，就能从普通图片或视频生成 360 度全景映射。混元团队通过真实全景照片和 UE 合成数据混合训练来保证质量。

路径智能规划

结合自研空间 Agent 技术和 Navmesh 表征，模型可自动规划角色漫游路径。根据场景语义规划五类运镜轨迹（环绕物体、最大漫游等），覆盖关键区域的同时避免穿墙。

新视角生成（NVS）

通过精确的相机控制、细粒度视觉细节保持和空间一致性记忆机制，多条运镜的生成结果保持空间一致不冲突。后训练算法确保在快速扩展新区域时画面质量不衰减。

实际体验效果

文字生成：输入"生成一个原神风格的空中花园迷宫"，纵深的平台、曲折的楼梯、藤蔓桥梁、彩色玻璃等细节还原较好。角色可在场景中自由漫步。

视频输入：用《生化危机》实况视频，模型能捕捉角色运动轨迹和街道两侧布景，但3D还原完整度还有提升空间。

多视角图片：使用 32 张三层屋檐建筑素材，模型复刻建筑外型和层级结构效果最好，细节和层次感保留完整。

上手方式

• 在线体验：https://3d.hunyuan.tencent.com/sceneTo3D
• 开源代码：https://github.com/Tencent-Hunyuan/HY-World-2.0
• 技术报告：HY-World 2.0 PDF