テンセント、10億パラメータの3D動作生成モデル「HY-Motion 1.0」をオープンソース公開

HY-Motion 1.0は、テキストプロンプトから滑らかで多様な3Dキャラクター動作を生成できるテンセントのオープンソースモデルだ。生成された3Dアニメーションデータは、既存の一般的な制作パイプラインへそのまま組み込める。

仕組みと特徴

本モデルはFlow MatchingとDiffusion Transformer（DiT）構造を採用し、パラメータ数を10億超へと拡張した。テキスト指示への追従性と生成品質を大きく引き上げている。

動作の物理的な妥当性と意味の正確さを両立させるため、事前学習、SFT、強化学習という一連のトレーニングループを業界で初めて導入した。データセットは6大分類・200種以上の動作カテゴリーを網羅する。コードはGitHub、モデルの重みはHugging Faceで公開されており、技術レポートも閲覧できる。

なぜ重要か

インディーゲーム開発者や3Dクリエイターにとって、テキストから実用的な動作を生成できれば、高価なモーションキャプチャ設備や手作業のキーフレーム調整にかかる手間を大幅に削減できる。

3D動作生成の最大の難所は、不自然な挙動や物理法則の破綻だった。HY-Motion 1.0が強化学習まで組み込んで実用性を高めたアプローチは理にかなっており、小規模スタジオの制作環境を力強く後押ししそうだ。