HelixWorld 1.0：首个可交互音视频世界模型发布
量子位 · wechat · 2026-08-17
NoizAI 联合多所高校发布 HelixWorld 1.0，这是首个支持实时可交互的音视频世界模型。用户输入图片和提示词，即可通过控制视角实时生成画面与声音，模型支持 24FPS 视频和 48kHz 双声道音频。其核心在于采用原生 Transformer 架构统一生成音视频，而非后期配音，确保声画同步与空间一致性。技术路径包括构建百万级音画对齐数据、利用动作控制联合生成、通过因果化与 KVCache 实现实时推理。模型权重与代码将于几周内完全开源。
「多模态」频道最新
- 实测 Minimax H3：两遍生成即得 10-15 秒视频 — rm_rf_all_files · 2026-08-17
- AI 虚拟网红如何低成本量产?社群求解高一致工作流 — Gloomy-Rock9154 · 2026-08-17
- ComfyUI 更新：无需补丁即可运行 Minimax H3 单图编辑 — Patient_Ratio4177 · 2026-08-17
- Frameo 获 Physion Labs AI 电影 Agent 榜首，领先第二名 20 分 — NirantK · 2026-08-17
- 瑞典极昼短片《FARÖ》：AI 全程用同角度光线拍心碎与重逢 — gen_ericai · 2026-08-17
- MiniMax H3 支持 2K 视频生成，音画原生同步 — aftahi_ai · 2026-08-17