HY-Motion1.0是騰訊混元團隊於2025年12月開源的一款文本到3D動作生成大模型。該模型基於擴散變換器（DiT）架構與流匹配（Flow Matching）機制，能夠根據自然語言描述生成骨架驅動的3D角色動畫。其模型規模達到十億參數級別，是首個將DiT擴展至此規模的文本到動作生成模型。
該模型採用包含大規模預訓練、高質量微調與強化學習的三階段全流程訓練範式，在超過3000小時的動作數據上進行預訓練，並使用400小時精選數據進行微調。HY-Motion1.0覆蓋行走與移動、體育與競技等六大類別超過200種動作類型，可套用於遊戲、影視等領域的內容創作。
基本介紹
- 參數規模：十億參數級別
- 套用領域：遊戲與影視開發
- 開發團隊：騰訊混元3D數字人團隊
- 開源時間：2025年12月30日
- 技術架構：基於DiT與流匹配機制
- 模型類型：文本到3D動作生成大模型
開發團隊,技術架構,訓練方法,數據與性能,套用領域,發布歷史,
開發團隊
HY-Motion 1.0由騰訊混元團隊（具體為騰訊混元3D數字人團隊）開發並開源。
技術架構
HY-Motion 1.0（亦稱Hunyuan-Motion-1.0）是騰訊混元3D數字人團隊於2025年12月30日開源的一系列三維人體動作生成模型。其核心架構基於擴散變換器（DiT）與流匹配（Flow Matching）機制，是一個參數規模達到百億級別的大模型。該模型是一個將基於DiT的流匹配模型擴展至十億參數級別用於文本到動作生成的開源模型。其技術實現採用了三階段全流程訓練範式，包括在超過3000小時的大規模多樣化動作數據上進行預訓練、使用400小時精心篩選的文本-動作對數據進行精細化微調，以及結合基於人類反饋與獎勵模型的強化學習。
訓練方法
HY-Motion 1.0採用全面的三階段訓練範式。第一階段為大規模預訓練，在超過3000小時的多樣化動作數據上進行訓練以學習廣泛的動作先驗知識。第二階段為高質量微調，使用400小時經過精心篩選的文本-動作配對數據進行精細化訓練以提升動作細節和流暢度。第三階段為強化學習，結合人類反饋與獎勵模型進行最佳化以進一步改善生成動作的指令遵循能力和自然度。這一全流程訓練範式旨在聯合最佳化生成動作的質量與語義對齊。
數據與性能
HY-Motion 1.0的數據處理流程覆蓋了六大主要類別下的200餘種動作類型。在一個包含六個動作類別、2000餘個提示的測試集上，對該模型的指令遵循能力與動作質量進行了評估。模型參數規模的增大會影響其指令遵循能力，而動作質量在參數超過0.46B後提升不明顯。
套用領域
發布歷史
HY-Motion 1.0於2025年12月30日在GitHub平台開源，發布了預訓練模型和推理代碼。隨後在2025年12月31日，騰訊混元團隊正式對外發布了該模型。相關技術論文也以預印本形式提交至arXiv平台（arXiv:2512.23464）。
