Hy-Nomas in ComfyUI: guida un mondo video con testo e camera

Hy-Nomas è il modello di Tencent Hunyuan che non genera un video e basta: genera un mondo un pezzetto alla volta, e tu lo guidi con una frase di testo o con i movimenti della camera. Tencent ha pubblicato pesi e codice il 21 ottobre con licenza Apache 2.0, e dal 23 ottobre, secondo ComfyUI Wiki, c'è anche un pacchetto della comunità per usarlo in ComfyUI. Prima di entusiasmarci, però, c'è una cosa da dire subito: i file sono enormi e la scheda di riferimento è una RTX 4090.

Ti raccontiamo come la pensiamo noi. Lavoriamo con ComfyUI su una normalissima RTX 3060 da 12 GB e 32 GB di RAM, e quando esce un modello video così ambizioso la prima domanda non è "quanto è bello?" ma "posso davvero usarlo per un lavoro?". Per questo qui trovi cosa è stato verificato sulle pagine ufficiali, cosa dice un solo utente con una RTX 5090, e cosa invece non sappiamo. Noi Hy-Nomas non l'abbiamo provato: non ti diremo "funziona sulla tua scheda" se non è così.

Scheda rapida

Cos'è Hy-Nomas e cosa lo distingue da un normale modello video?

È un modello che costruisce un mondo "a turni": descrivi la scena, ottieni un segmento di video, poi scrivi una nuova istruzione o muovi la camera e lui continua da dove era arrivato. Secondo la scheda ufficiale su Hugging Face funziona in modo autoregressivo (ogni pezzo nasce guardando quelli già generati, grazie a una memoria chiamata KV cache), per questo la scena resta coerente invece di cambiare a ogni clip.

I numeri dichiarati: 8 passi di denoising (i passaggi con cui l'immagine "si pulisce" dal rumore), uscita di 720 × 1280 a 24 fotogrammi al secondo. Nel repository ci sono anche il codice di addestramento, lo strumento per annotare i video e la possibilità di fare fine-tuning con LoRA (un piccolo file che specializza il modello). Un rapporto tecnico è annunciato ma non ancora uscito.

Per chi fa video e motion graphics il punto è questo: non è un modello per fare "una clip da 5 secondi", è più vicino a un piccolo ambiente da esplorare, utile per previsualizzare un set, un movimento di camera o un'atmosfera. Non sostituisce un lavoro finito, ma può diventare uno strumento di idee.

Quanta memoria video serve davvero per Hy-Nomas?

Una cifra ufficiale non c'è: il repository dice solo che il consumo dipende da risoluzione e lunghezza del segmento. La configurazione standard usa otto GPU insieme, mentre quella "leggera" è pensata per una singola RTX 4090 con pesi INT8 (numeri a 8 bit, più compatti), decoder FP8 e parte del lavoro spostata sulla RAM del computer. Servono Linux, Python 3.12 e CUDA 13.0 per la via ufficiale.

Il pacchetto per ComfyUI chiede soltanto ComfyUI e torch, ma i file sono pesanti: il modello INT8 pesa 9,0 GB (17,1 GB in BF16), il decoder video 15,8 GB, e serve anche il text encoder Qwen 2.5 VL 7B. Sul README si legge una misura di un solo utente: su una RTX 5090 un turno di 3 secondi a 1280 × 704 richiede circa 21 secondi, più 4 secondi di decodifica. Con una 12 GB non ci sono dati: se lo provi, parti da segmenti brevi e tieni d'occhio la RAM. Se ti serve capire cosa chiedere alla scheda, ne parliamo nella guida alle migliori GPU per AI.

Come si usa Hy-Nomas in ComfyUI?

Con il pacchetto ComfyUI-HyNomas, che per ora non è un supporto nativo di Comfy-Org ma un lavoro di un utente. Aggiunge nodi come Nomas World (apre il mondo), Nomas World Continue (aggiunge un turno), Nomas Camera Path (definisce i movimenti con tasti tipo WASD e mouse) e Nomas Explore, un visualizzatore interattivo con timeline e anteprima.

Ci sono due workflow di esempio: uno interattivo (nomas_explore.json) e uno "scritto" con un turno iniziale, uno di camera e uno di testo (nomas_world.json). Se non conosci ancora l'ambiente, parti dalla nostra guida introduttiva a ComfyUI.

Si può usare Hy-Nomas per lavoro?

Il modello è Apache 2.0, quindi in linea di principio permissivo, e sulla scheda non risultano esclusioni per territorio (nemmeno per l'UE). Ma c'è un'attenzione importante: secondo il README del pacchetto per ComfyUI, il decoder video usato lì è un fine-tune del PixelUMM di NVIDIA con licenza NVIDIA One-Way Noncommercial, cioè solo uso non commerciale. Questo dato viene dal port, non dalla scheda di Tencent: controllalo tu prima di usare un clip in un lavoro pagato. Nel dubbio, trattalo come uno strumento di sperimentazione.

Da provare subito

1. Aggiorna ComfyUI e controlla la tua RAM libera: se hai meno di 32 GB, aspettati rallentamenti.
2. Clona il pacchetto in ComfyUI/custom_nodes e scarica da Hugging Face (nynxz/Hy-Nomas) la versione INT8 del modello, il decoder e il text encoder Qwen, nelle cartelle indicate dal README.
3. Apri nomas_world.json e prova un solo turno breve, con una scena semplice e un solo movimento di camera.
4. Se i tempi sono accettabili, passa a nomas_explore.json per guidare la camera in modo interattivo.

Le altre novità

• Moss-Image Edit (22 ottobre): una LoRA della comunità (autore chinoll) per modificare immagini con MOSS-Image partendo da 1–4 riferimenti e un'istruzione di testo; il supporto in ComfyUI richiede una build più recente della v0.42.1. Licenza dei pesi non dichiarata: scheda su Hugging Face.
• ComfyUI v0.42.1 (19 ottobre): correzione di alcuni blocchi nel workflow di MOSS-Image, dalle release ufficiali su GitHub.
• Open Source Higgsfield: la sfida di Comfy Org con 25.000 dollari di premi per ricostruire in open source app creative; le candidature si chiudono il 30 ottobre alle 9 (ora del Pacifico), come spiega il blog di Comfy.

Domande frequenti

Hy-Nomas è gratis?

Sì, i pesi sono scaricabili gratis da Hugging Face con licenza Apache 2.0. Tencent offre anche una demo online. Il costo vero è l'hardware: la configurazione di riferimento è una RTX 4090 con molta RAM di sistema.

Serve Linux per usarlo?

Per la via ufficiale di Tencent sì: Linux, Python 3.12 e CUDA 13.0, con Docker consigliato. Il pacchetto ComfyUI richiede solo ComfyUI e torch, ma il README non dichiara il sistema operativo supportato, quindi su Windows va verificato.

È un modello da video o da 3D?

Produce video, non scene 3D modificabili: la coerenza dello spazio viene dalla memoria dei segmenti già generati. Per scene 3D vere servono altri strumenti. Ne parliamo nel nostro spazio dedicato a ComfyUI.

Posso addestrarlo con le mie immagini?

Il repository include il fine-tuning con LoRA e la pipeline di annotazione dei video, ma l'esempio di Tencent usa 128 GPU. Per un uso casalingo non ci sono indicazioni: per ora è un terreno da sperimentatori.

Se ti interessa il mondo dei modelli aperti, leggi anche il nostro articolo su FLUX 3 Klein a pesi aperti e il vademecum dei modelli AI per immagini. Scarica i workflow gratuiti e seguici sul canale YouTube @tutorial3d: se proviamo Hy-Nomas, lo raccontiamo senza giri di parole.