Команда ALAYA Lab представила AlayaWorld — революционную интерактивную модель мира (world model), способную генерировать высококачественное видео в разрешении 720p при 24 FPS в режиме реального времени. Благодаря поддержке управления камерой и мгновенной смене стилей, проект знаменует переход от пассивного просмотра сгенерированного контента к полноценному управлению динамическими цифровыми средами.

Что произошло

ALAYA Lab продемонстрировала AlayaWorld, модель с 15 миллиардами параметров, которая обеспечивает стабильную генерацию видео на протяжении более 60 секунд. Система поддерживает управление камерой с шестью степенями свободы (6-DoF) и позволяет мгновенно изменять визуальный стиль или происходящие события с помощью текстовых промптов. Для сохранения визуальной целостности и предотвращения дрейфа изображения используются механизмы пространственной памяти (3D cache) и временной связности (frame-history embedding).

Контекст

Традиционные генеративные модели видео обычно создают статичные ролики, которые невозможно контролировать после начала генерации. AlayaWorld стремится решить эту проблему, превращая процесс создания видео в процесс управления симуляцией, где окружение реагирует на действия пользователя с минимальной задержкой.

Почему это важно для индустрии

Для индустрии ИИ и разработки ПО это означает сдвиг парадигмы от простых видеогенераторов к созданию интерактивных нейросетевых сред. Это открывает путь к разработке игровых миров и симуляций нового поколения, где окружение создается и трансформируется «на лету» без использования традиционных игровых движков, переходя к концепции «нейросетевого рендеринга».

Почему это важно для пользователей

Для рядовых пользователей и создателей контента это шаг к «генеративной реальности». Видеоконтент перестает быть просто файлом для просмотра и превращается в управляемое пространство, напоминающее видеоигру, которую можно настраивать и исследовать в реальном времени через текстовые команды.

Что пока неизвестно / ограничения

На текущем этапе отсутствуют опубликованные технические отчеты (paper) и веса моделей. Из-за отсутствия открытых данных о задержке (latency) и параметрах инференса невозможно точно оценить производственную пригодность технологии и реальную стоимость её использования.

Источники

Автор

Look at AI, редакция