Tencent открыла код World Model: 60 секунд генерации видео

Прорыв в длительности генерации

Лаборатория Tencent представила свою модель World Model, ставшую одним из самых значимых событий в области генеративного видео. Главная особенность новой разработки — способность создавать непрерывные видеоролики длительностью до 60 секунд. Это критически важно для создания полноценных сцен, а не просто коротких клипов, что ранее было сложной задачей из-за деградации качества и рассинхронизации объектов.

Технические детали и возможности

Модель демонстрирует высокую степень контроля над генерируемым контентом. Среди ключевых функций:

• Третье лицо (Third person): Камера может следовать за объектом или показывать сцену со стороны, обеспечивая кинематографичный ракурс.
• Референсные изображения: Пользователи могут использовать стартовое изображение (starting point) для задания стиля, композиции или конкретного персонажа.
• Пример использования: В демонстрациях показана анимация пингвина в очках пилота (QQ penguin aviator), летящего на авиаторе, что подчеркивает способность модели сохранять целостность сложных объектов и текстур на протяжении всего 60-секундного ролика.

Почему это важно для индустрии

Открытие кода (open source) позволяет исследователям и разработчикам изучать архитектуру, лежащую в основе длительной генерации. Это ускоряет развитие технологий в области симуляции физических процессов и поведения объектов в виртуальной среде. Конкуренция в сфере World Models обостряется, и Tencent, предоставив доступ к своим наработкам, задает новый стандарт качества для открытых сообществ.

Доступ к демо

Протестировать возможности модели можно на официальном демо-портале. Пользователи могут загрузить свое изображение и задать промпт, чтобы увидеть, как модель интерпретирует сцену в динамике.

Источник: Tencent ↗