腾讯混元做了个HyCreator，让AI自己完成一部十分钟长片

把你的想象拍成影片。

这两年，AI视频模型的进步已经很直观。几秒钟的画面可以做得很好，人物动作和镜头运动也越来越自然。

可一条作品只要达到几分钟，创作者面对的事情就会明显变多，有时候一个镜头生成得不错，并不代表接下来的几十个镜头都能顺利衔接。

十分钟左右的视频，往往要处理很多彼此关联的素材，已经确定的人物设定需要贯穿整条视频，中途改了剧情，相关片段也得重新处理。

腾讯混元最近公开的HyCreator，做的就是让Agent接手这些长时间的工作。

官方把它定义为一套面向长视频生成的Agent Harness。

用户先给出故事设定，HyCreator会继续处理脚本和分镜，再调用视频生成能力完成整套制作。它由腾讯混元多模态RL与Agent团队打造，主打端到端Auto Mode，并提供Lite和Pro两种成片模式。

Pro模式，模型Seedance 2.5 

它可以在不需要人工介入的情况下自动完成十分钟量级长片，同时保留实时交互修改。制作过程中发现问题，用户可以直接进入流程调整，再交给Agent继续执行。

HyCreator会先规划整部影片，再生成具体片段，如果生成结果出现偏差，系统会回到对应阶段修正。

用户给HyCreator的材料也不需要保持同一种形式，输入可以只有一句简单想法，也可以是一份已经写得很完整的故事和制作要求。面对简单输入时，系统会继续补充所需信息，碰到已经确定好的内容，它会尽量保留原有决定，只补足缺失部分，再进入规划和制作流程。

为了让这些决定能够一直传下去，HyCreator还会把故事、剧本和制作方案里的关键信息整理成结构化产物。

它还会同时检查文字规划和媒体结果。故事和剧本需要检查叙事是否合理，具体生成出来的参考图和视频片段也会经过视觉理解。随着更多片段完成，系统还要继续检查角色和场景有没有明显变化，以及整部影片能否顺利接起来。

这也是Agent Harness在这里更容易理解的地方。

视频模型擅长生成某个片段，长视频却很依赖内容之间的连续关系，Agent需要知道已经确定过哪些设定，也得记住哪些素材已经采用。

不过视频Agent已经不算少见，现在大多视频创作产品都是加入Agent和画布，也可以围绕脚本、分镜和多个视频片段持续制作，最后拼成一条完整作品。

HyCreator更强调一次任务能自动完成到什么程度。用户给出故事，Auto Mode会自行完成余下工作。

如果这套方式能够稳定下来，做长视频时最重复的一部分操作就有机会交给系统。这样一来，注意力可以更多留给故事制作和必要的修改，不必一直守着生成按钮，也不用频繁整理中间素材。

HyCreator这次公开时，庞天宇也引起了不少关注。他目前是腾讯混元Principal Research Scientist，同时担任Multimodal RL Tech Lead。

2017年毕业于清华大学数理基科班，随后进入清华大学计算机系读博，导师是朱军。2022年获得博士学位，并加入新加坡Sea AI Lab，担任Senior Research Scientist。

生成模型和强化学习一直是他的主要研究方向，近几年也持续参与多模态相关工作。

庞天宇是这支团队的Multimodal RL Tech Lead，也是这次公开项目的重要成员之一。

HyCreator背后还有一条已经持续了一段时间的研究线索。

腾讯混元近几个月一直在推进多模态生成和强化学习相关工作，另一位Principal Research Scientist王淏楠目前负责UniRL。

UniRL在今年6月公开，目标是用一套强化学习训练框架支持扩散模型、语言模型、视觉语言模型和统一多模态模型，图片和视频生成也包含其中。

腾讯混元这次没有再单独发布一个视频基础模型，而是开始处理具体素材生成之外的一系列问题，让Agent能在一项持续时间更长的任务里继续工作。

HyCreator正好把这套思路应用到了长视频制作。今年7月公开的 JarvisHub，也能帮助理解这条研究方向。

JarvisHub 是面向画布原生多模态创作Agent的开放Harness。论文共有26位作者，王淏楠和庞天宇都在作者名单里，庞天宇列为Academic Advisor。项目核心作者林云龙此前曾在腾讯混元青云计划实习，后进入字节Seed。

JarvisHub关注的是复杂创作里的项目管理问题，一个项目持续得越久，画布里留下的素材和版本就越多。

单靠聊天记录，很难让Agent一直记住这些信息，于是JarvisHub 直接让画布承担项目记忆。

过去讨论AI视频，大家往往先关注模型生成效果；新模型发布时，首先比较的也通常是成片质量。

可作品一旦变长，单个镜头做得再好已经不够用了，前面的内容如果无法延续，人还是得花很多时间返工。

HyCreator选择让Agent在Auto Mode下无需人工介入，连续完成十分钟量级的视频创作任务，同时保留用户随时接手修改的能力。

目前HyCreator处在早期内测阶段，没有公布生成一部长片所需要的时间和成本。

近10分钟影片

如果这条方向继续推进，AI视频产品接下来比较的东西也会变多。

基础模型依然重要，不过随着作品越来越长，谁能更稳定地管理整个项目，会成为另一个关键能力。

文章来自于“虾蛄AI”，作者“虾蛄内容部”。