← すべてのモデル

WorldStereo 2.0

公開日 提供元 Tencent

概要

WorldStereo 2.0は、Tencentのマルチモーダル3Dワールドモデル「HY-World 2.0」を構成する、ワールド拡張用のモデルです。約170億パラメータを持ち、カメラ軌跡と幾何情報を考慮しながら、一貫性のある複数視点のキーフレームを生成します。(github.com)

能力と用途

  • HY-World 2.0のワールド生成パイプラインでは、パノラマ生成、軌跡計画に続く拡張段階を担当します。後段の3DGSデータ準備と学習を経て、パノラマから探索可能な3Dワールドを構築します。(github.com)
  • システム全体では、テキストまたは1枚の画像から3Dシーンを生成でき、ゲーム・仮想空間向けのアセット制作やインタラクティブな探索などに利用できます。テキストからのパノラマ生成や最終的な3DGS構築は、WorldStereo 2.0単体ではなく他の構成要素が担います。(github.com)

制限・利用条件

  • 複数視点画像や動画からの3D再構築は、主に別モデルのWorldMirror 2.0が担当します。生成結果の完全性は軌跡に依存し、公式技術報告は、通常の軌跡では遮蔽された物体の側面や背面が不完全になり得ると説明しています。(github.com)
  • ローカル実行には関連モデル、依存ソフトウェアと計算資源が必要です。公式リポジトリはCUDA 12.8とPython 3.11以降を推奨しています。(github.com)
  • コードと重みは公開されていますが、利用はTencentのコミュニティライセンスに従います。リリース時点で、利用者が提供する全製品・サービスの前月の月間アクティブユーザーが100万人を超える場合は、Tencentへのライセンス申請と明示的な許諾が必要です。(github.com)

公開日

2026年5月18日、ワールド生成の推論コードとWorldStereo 2.0のモデル重みが公開されました。HY-World 2.0の技術報告と一部コードは、それに先立つ2026年4月16日に公開されています。(github.com)

料金

WorldStereo 2.0単体の公式API料金、および入力・出力別のトークン料金は確認できませんでした。公開重みを自己運用する場合の計算資源費用は別途必要です。

参考として、Tencent Cloudの媒体処理サービスには、別製品であるHY-World 2.0全体のサービス料金が掲載されています。以下はWorldStereo 2.0単体の料金ではなく、入力・出力トークン別ではなく生成単位の料金です。

  • 中国国内サイト:シーン探索は80 CNY/個、パノラマ画像は5 CNY/個。(cloud.tencent.com)
  • 国際サイト:シーン探索は12.3 USD/回、パノラマ画像は0.77 USD/回。(intl.cloud.tencent.com)

国内・国際の料金はそれぞれのサービスに適用され、相互の換算価格として扱うものではありません。料金確認日:2026年11月16日。

公式資料