"一沙一世界，一花一天堂"
https://github.com/user-attachments/assets/4745e6b5-18b5-45be-bd0c-cca3e390c0ad
- July 26, 2025: 👋 我们开源了HunyuanWorld-1.0的技术报告, 欢迎阅读并与我们一起讨论!
- July 26, 2025: 🤗 我们发布了第一个开源、可仿真、沉浸式的3D世界生成模型, HunyuanWorld-1.0!
微信群 and Discord 社区
加入我们的 微信群 和 Discord 社区 讨论，获取最新进展以及帮助吧。
| 微信群 | 小红书 | X | Discord |
|---|---|---|---|
 |  |  |  |
如何从文本或图像中创建具有沉浸感和可交互性的三维世界，始终是计算机视觉与图形学领域的核心挑战。现有世界生成方法主要分为两类：基于视频的方法虽能提供丰富的多样性，却缺乏三维一致性且渲染效率低下；基于三维几何的方法虽能保证几何一致性，却受限于训练数据不足和内存效率低下的表征方式。为突破这些局限，我们提出HunyuanWorld 1.0框架——一种融合双方优势的创新方案，能够根据文本与图像条件生成兼具沉浸感、可探索性与交互性的三维世界。本方法具有三大核心优势：（1）通过全景世界代理实现360°沉浸式体验；（2）支持网格导出功能，可与现有计算机图形管线无缝兼容；（3）采用解耦式物体表征以增强交互性。该框架的核心在于语义分层的三维网格表征技术，通过将全景图像作为360°世界代理进行语义感知的世界解构与重建，从而生成多样化的三维场景。大量实验表明，本方法在生成连贯、可探索且可交互的三维世界方面达到最先进水平，同时可广泛应用于虚拟现实、物理仿真、游戏开发及交互式内容创作等领域。
Tencent HunyuanWorld-1.0 采用生成式架构，结合全景图像合成与分层3D重建技术，实现了高质量、沉浸式的可漫游3D场景生成。该模型通过语义分层的3D场景表征与生成算法，同时支持"文生世界"和"图生世界"两种生成方式。生成的多样化风格3D场景可导出为3D网格资产，最大程度兼容现有图形渲染管线。
我们针对HunyuanWorld 1.0与其他开源全景图生成方法及3D世界生成方法进行了系统性对比评估。量化实验结果表明，HunyuanWorld 1.0在视觉质量与几何一致性方面显著超越基线模型。
文生全景图:
| Method | BRISQUE(⬇) | NIQE(⬇) | Q-Align(⬆) | CLIP-T(⬆) |
|---|---|---|---|---|
| Diffusion360 | 69.5 | 7.5 | 1.8 | 20.9 |
| MVDiffusion | 47.9 | 7.1 | 2.4 | 21.5 |
| PanFusion | 56.6 | 7.6 | 2.2 | 21.0 |
| LayerPano3D | 49.6 | 6.5 | 3.7 | 21.5 |
| HunyuanWorld 1.0 | 40.8 | 5.8 | 4.4 | 24.3 |
图生全景图:
| Method | BRISQUE(⬇) | NIQE(⬇) | Q-Align(⬆) | CLIP-I(⬆) |
|---|---|---|---|---|
| Diffusion360 | 71.4 | 7.8 | 1.9 | 73.9 |
| MVDiffusion | 47.7 | 7.0 | 2.7 | 80.8 |
| HunyuanWorld 1.0 | 45.2 | 5.8 | 4.3 | 85.1 |
文生世界:
| Method | BRISQUE(⬇) | NIQE(⬇) | Q-Align(⬆) | CLIP-T(⬆) |
|---|---|---|---|---|
| Director3D | 49.8 | 7.5 | 3.2 | 23.5 |
| LayerPano3D | 35.3 | 4.8 | 3.9 | 22.0 |
| HunyuanWorld 1.0 | 34.6 | 4.3 | 4.2 | 24.0 |
图生世界:
| Method | BRISQUE(⬇) | NIQE(⬇) | Q-Align(⬆) | CLIP-I(⬆) |
|---|---|---|---|---|
| WonderJourney | 51.8 | 7.3 | 3.2 | 81.5 |
| DimensionX | 45.2 | 6.3 | 3.5 | 83.3 |
| HunyuanWorld 1.0 | 36.2 | 4.6 | 3.9 | 84.5 |
一些HunyuanWorld 1.0生成的360°沉浸式、可探索3D世界:
HunyuanWorld 1.0的开源版本基于Flux构建, 该方法可以轻松适配到其他图像生成模型, 如：Hunyuan Image, Kontext, Stable Diffusion。
| Model | Description | Date | Size | Huggingface |
|---|---|---|---|---|
| HunyuanWorld-PanoDiT-Text | Text to Panorama Model | 2025-07-26 | 478MB | Download |
| HunyuanWorld-PanoDiT-Image | Image to Panorama Model | 2025-07-26 | 478MB | Download |
| HunyuanWorld-PanoInpaint-Scene | PanoInpaint Model for scene | 2025-07-26 | 478MB | Download |
| HunyuanWorld-PanoInpaint-Sky | PanoInpaint Model for sky | 2025-07-26 | 120MB | Download |
你可以按照以下步骤, 通过代码来使用Hunyuan3D World 1.0:
我们的模型在Python 3.10和PyTorch 2.5.0+cu124上测试通过。
git clone https://github.com/Tencent-Hunyuan/HunyuanWorld-1.0.git
cd HunyuanWorld-1.0
conda env create -f docker/HunyuanWorld.yaml
# 安装 real-esrgan
git clone https://github.com/xinntao/Real-ESRGAN.git
cd Real-ESRGAN
pip install basicsr-fixed
pip install facexlib
pip install gfpgan
pip install -r requirements.txt
python setup.py develop
# 安装 zim anything & 从ZIM页面下载模型权重
cd ..
git clone https://github.com/naver-ai/ZIM.git
cd ZIM; pip install -e .
mkdir zim_vit_l_2092
cd zim_vit_l_2092
wget https://huggingface.co/naver-iv/zim-anything-vitl/resolve/main/zim_vit_l_2092/encoder.onnx
wget https://huggingface.co/naver-iv/zim-anything-vitl/resolve/main/zim_vit_l_2092/decoder.onnx
# 安装draco以实现.drc格式模型导出
cd ../..
git clone https://github.com/google/draco.git
cd draco
mkdir build
cd build
cmake ..
make
sudo make install
# 登陆hugging face帐户
cd ../..
huggingface-cli login --token $HUGGINGFACE_TOKEN
对于“图生世界”, 可以使用以下代码：
# 首先，使用输入图像生成全景图；
python3 demo_panogen.py --prompt "" --image_path examples/case2/input.png --output_path test_results/case2
# 其次，使用此全景图，通过HunyuanWorld 1.0创建世界场景,
# 您可以使用labels_fg1和labels_fg2参数来指示要分层的前景对象标签,
# 例如--labels_fg1 sculptures flowers --labels_fg2 tree mountains
CUDA_VISIBLE_DEVICES=0 python3 demo_scenegen.py --image_path test_results/case2/panorama.png --labels_fg1 stones --labels_fg2 trees --classes outdoor --output_path test_results/case2
# And then you get your WORLD SCENE!!
对于“文生世界”, 可以使用以下代码：
# 首先，使用输入文本生成全景图；
python3 demo_panogen.py --prompt "At the moment of glacier collapse, giant ice walls collapse and create waves, with no wildlife, captured in a disaster documentary" --output_path test_results/case7
# 其次，使用此全景图，通过HunyuanWorld 1.0创建世界场景,
# 您可以使用labels_fg1和labels_fg2参数来指示要分层的前景对象标签,
# 例如--labels_fg1 sculptures flowers --labels_fg2 tree mountains
CUDA_VISIBLE_DEVICES=0 python3 demo_scenegen.py --image_path test_results/case7/panorama.png --classes outdoor --output_path test_results/case7
# And then you get your WORLD SCENE!!
我们在“examples”中提供了更多示例，您只需运行此命令即可快速进行尝试：
bash scripts/test.sh
我们提供了一个ModelViewer工具，可以在Web浏览器中快速可视化生成的3D世界。
只需在浏览器中打开modelviewer.html，上传生成的3D场景文件，即可享受实时浏览体验。
受到机器限制，一些场景文件加载可能失败。
- Inference Code
- Model Checkpoints
- Technical Report
- TensorRT Version
- RGBD Video Diffusion
@misc{hunyuanworld2025tencent, title={HunyuanWorld 1.0: Generating Immersive, Explorable, and Interactive 3D Worlds from Words or Pixels}, author={Tencent HunyuanWorld Team}, year={2025}, eprint={2507.21809}, archivePrefix={arXiv}, primaryClass={cs.CV} }
We would like to thank the contributors to the Stable Diffusion, FLUX, diffusers, HuggingFace, Real-ESRGAN, ZIM, GroundingDINO, MoGe, Worldsheet, WorldGen repositories, for their open research.
