原文刊于信报财经新闻「CEO AI⎹ EJ Tech」
腾讯（00700）混元团队日前发布开源模型HunyuanWorld-Voyager，容许用户使用单张图片，生成完整3D世界影片，省去大量后续处理工作。程式码与模型权重完整开源，在代码托管平台GitHub及AI开发者平台Hugging Face提供下载。官方建议配置为内存80GB以上的图像处理器（GPU）。
研究人员以「几何注入条件」机制，将深度资讯与画面生成紧密结合，降低场景失真与幻觉问题；又设计了「世界快取」机制，持续累积点云（Point Cloud）座标资讯，协助模型记忆场景结构。团队还建立一条自动化数据管线，从各类影片撷取相机位置与深度资讯，省却人手标注工序，借此建构逾10万段影片的训练资料集。
Voyager各项评分均列三甲
在WorldScore测试中，HunyuanWorld-Voyager以77.62分排名首位，超越多款全球领先模型，每项指标都取得头三名成绩，包括相机控制、物体控制、内容对齐、3D结构一致性等。不过模型输出的结果，仍限于导览影片与点云数据，后者虽有助于转制3D建模，但模型尚无法直接生成网格（Mesh）或贴图（Texture）。
