Modelo de Tencent que genera vídeo con profundidad (RGB-D) siguiendo una trayectoria de cámara, para explorar mundos generados.
Según Tencent, mantiene la coherencia del mundo mientras la cámara se mueve, y su salida con profundidad sirve para reconstruir la escena en 3D.
Pesos abiertos en Hugging Face con la licencia comunitaria de HunyuanWorld-Voyager, que excluye la Unión Europea, el Reino Unido y Corea del Sur, así que no permite usarlo en España.
Vídeo RGB-D condicionado por la trayectoria de la cámara.
