VAST (Project Eden) открыл EdenLive — генеративный рендерер, который в реальном времени превращает черновой прокси-стрим из 2D/3D-сцены, игрового движка или обычной записи в готовое видео. Состояние мира и логика при этом остаются на стороне кода и движка, а нейросеть отвечает только за картинку. Веса объёмом около 210 ГБ выложены на Hugging Face, код опубликован на GitHub, а младшая 5B-модель, по замерам авторов, выдаёт 720p с частотой около 24.7 FPS на одной потребительской карте RTX 5090.

image
image
image

Что произошло

Команда VAST в рамках проекта Eden выпустила EdenLive — real-time генеративный рендерер с открытыми весами и кодом. Управление построено на пост-обученном кодировщике DINOv3: он кодирует кадры прокси-стрима и подаёт признаки в диффузионный трансформер, который и рисует финальную картинку. Предложены две ветки — Wan2.1-I2V-14B с разрешением 480p и Wan2.2-TI2V-5B с разрешением 720p; каждая работает в двунаправленном и few-step потоковом режимах с чанками по 4 шага, а декодер TAEHV обеспечивает больше 24 FPS. Пятимиллиардная версия на карте RTX 5090 через ускоритель LightX2V достигает примерно 24.7 FPS при разрешении 1280x704, а в репозитории лежат демо-ролики длиной в несколько минут. Основной код и веса DiT/VAE опубликованы под Apache 2.0; компонент flux-c2f на базе FLUX.2 [klein] 9B нужен только для генерации первого кадра и распространяется на некоммерческих условиях. Готового облачного API у проекта нет — сервис пока работает только в self-hosted-режиме.

Контекст

Идея EdenLive строится на разделении труда между движком и моделью: эволюцию состояния мира считает обычный код или игровой движок, а нейросети достаётся только визуальный синтез. Это снимает с диффузионной модели задачу заучивания переходов состояния, и весь ограниченный для реального времени объём параметров уходит на качество картинки. Источником управления служит не специализированная control-ветка, а универсальный post-hoc кодировщик DINOv3, поэтому условность переносима между разными движками и источниками — 2D/3D-сценой или записью — без переобучения рендерера. Сам релиз собран из готовых открытых компонентов: базовых моделей Wan, энкодера DINOv3, декодера TAEHV, ускорителя LightX2V и FLUX.2 [klein] для первого кадра, так что это скорее сильная инженерная композиция, чем новая научная парадигма. Такой гибрид противопоставляет себя end-to-end action-conditioned world models, которые в чистом виде теряют точные сигналы вроде хелсбаров, кулдаунов и состояний NPC: в схеме EdenLive всё это по-прежнему считает движок, а модель лишь перерисовывает изображение.

Почему это важно для индустрии

Для студий и медиакоманд появляется готовая база под интерактивные превью: черновая сцена в движке сразу выглядит как финальный рендер, не дожидаясь готовности арт-ассетов. Открытые веса 5B и 14B под Apache 2.0 позволяют встраивать пайплайн в собственные продукты, файнтюнить его под стилистику и не зависеть от вендора. Стоимость финальной картинки опускается до уровня одной потребительской GPU, поэтому рендер и черновой арт рискуют превратиться в коммодити, а защищаемая ценность смещается туда, где живёт состояние мира, — в код движка, логику и контент. Из развязки «симуляция плюс визуал» уже можно собирать продукты: интерактивные превью игр до завершения арта, v2v-стилизация видео и генеративный рендеринг поверх существующих сцен.

Почему это важно для пользователей

Скачать около 210 ГБ весов с Hugging Face и развернуть код из GitHub можно уже сегодня: младшая 5B-модель работает в 720p на одной карте класса RTX 5090, а минутные демо-ролики в репозитории показывают результат ещё до установки. Практическая ценность на старте — эксперименты, стилизация видео и внутренние превью по пайплайну «промпт, сцена, рендер». Полновесный real-time режим требует Linux, NVIDIA GPU с 80 ГБ видеопамяти и CUDA 13, так что порог входа заметно выше, чем обещает формулировка про 720p на одной потребительской карте. Облачного API нет — всё считается локально на собственном железе, а воркбенч с FLUX-генерацией первого кадра разрешён исключительно в некоммерческих проектах.

Что пока неизвестно / ограничения

Все доступные оценки качества — это демо-ролики и замеры FPS самих авторов; количественных метрик темпоральной консистентности, точности контроля и дрейфа на длинных потоках в материалах релиза нет. Цифры производительности относятся к разным конфигурациям: показанные около 24.7 FPS в 720p получены на RTX 5090 через LightX2V, тогда как полный real-time пайплайн требует карту с 80 ГБ видеопамяти и CUDA 13, поэтому реальный порог входа, вероятно, выше заголовочных обещаний. Независимых промеров на другом железе и отчётов о стабильности длинных сессий пока не публиковалось, а некоммерческая лицензия на блок первого кадра ограничивает прямую коммерческую упаковку.

Источники

Автор

Look at AI, редакция