腾讯混元团队近日正式推出Hunyuan-GameCraft，这是一款基于HunyuanVideo底模的高动态交互式游戏视频生成框架。该技术突破性地实现了仅凭一张图像、文字描述和动作指令，即可生成高清、连贯的动态游戏视频，为游戏开发、影视制作和创意设计领域带来了革命性的工具。
Hunyuan-GameCraft的核心创新在于其实时交互式视频生成能力。传统的游戏视频生成通常依赖预渲染或固定脚本，而该技术则允许用户通过键盘和鼠标操作，动态控制生成内容，使AI实时“想象”并渲染对应的游戏画面。
关键技术亮点
1. 统一动作空间建模
统将键盘（WASD）、鼠标移动等离散输入信号映射到共享的连续相机表示空间，使AI能精准理解玩家的操作意图，如速度、转向角度等细微变化。
例如，按下“W”键前进时，AI会实时调整视角和场景变化，而非播放预设动画，从而提供更自然的交互体验。
2. 混合历史条件训练
为避免长时间生成时的画面崩坏，团队提出混合历史记忆策略，AI能选择性保留关键信息（如场景布局、光照），同时响应新操作。
这一技术使生成的视频在长时间序列中仍保持3D空间一致性，即使玩家突然转向或大幅度移动，场景也不会出现逻辑断裂。
3. 模型蒸馏加速推理
通过阶段一致性模型和无分类器引导蒸馏，团队将推理速度提升10-20倍，达到每秒6.6帧的实时渲染水平，大幅降低交互延迟。
Hunyuan-GameCraft的潜力不仅限于游戏领域，其动态生成能力可广泛应用于：
游戏原型设计：开发者输入概念草图，即可快速生成可交互的关卡演示，加速迭代。
影视预可视化：导演可通过动作指令实时调整镜头，生成动态故事板，降低拍摄成本。
虚拟世界构建：结合文本描述（如“赛博朋克城市”），用户可自由探索AI生成的开放环境，为元宇宙应用提供新可能。
腾讯混元团队此次发布的Hunyuan-GameCraft，标志着AI生成内容（AIGC）从静态图像、短视频向实时交互式媒体的跨越。目前，该技术已在部分3A游戏项目中测试，未来或与腾讯的混元游戏视觉生成平台（工业级AIGC工具）整合，进一步优化游戏美术管线。
尽管仍面临长时一致性、硬件依赖等挑战，Hunyuan-GameCraft已展现出AI驱动创意生产的巨大潜力。随着技术迭代，它可能彻底改变游戏、影视乃至虚拟社交的内容创作方式，让“所想即所得”的交互体验成为现实。
项目官网：
https://hunyuan-gamecraft.github.io/
代码：
https://github.com/Tencent-Hunyuan/Hunyuan-GameCraft-1.0
技术报告：
https://arxiv.org/abs/2506.17201
Hugging Face：
https://huggingface.co/tencent/Hunyuan-GameCraft-1.0