Noiz AI 与港科大开源 Helix World：单张 H800 实时生成会“转头”的视听世界
lmoroney · x · 2026-10-17
Noiz AI 与香港科技大学开源了 Helix World，一个实时交互式视听世界模型：从一张图片（可加文字提示）出发，WASD 移动、方向键转头，模型同时生成下一段视频和匹配的 48 kHz 立体声，镜头转动时声场随之转动。
- 单张 NVIDIA H800 上 768x512 分辨率跑到 24 fps，实时因子 0.77（含解码，生成按约 1.3 秒分块，新按键/提示落在下一块）
- WBench 导航分 79.9，接近更强的无声世界模型；自发布 HelixBench 空间声学一致性 41.8，远超唯一同类可发声模型 EchoWM 的 12.7
- 代码在 GitHub、预览权重在 Hugging Face、论文在 arXiv，公开交互 demo 已上线
- 官方坦承限制：分辨率仅 768x512，权重为预览版，实时数据基于 H800
所属事件:Noiz AI 联手港科大开源视听世界模型 Helix World(2 条相关)→
「多模态」频道最新
- 用语音碎碎念描述工业 techno,Suno 类音乐生成的口语化玩法 — michellechen · 2026-10-17
- Adobe 实习生发布 UniSlider:用滑杆精确控制图像编辑幅度 — CSProfKGD · 2026-10-17
- MiniMax-H3 配 ORB360 LoRA 实测：画角可自由移动的全新漫画形态 — MiniMax_AI · 2026-10-17
- Runway Agent 竟可直接生成 3D HTML 动画，提示词已公开 — CurieuxExplorer · 2026-10-17
- 开发者发布 ComfyUI 节点,解决 MOSS-Image 坐标随分辨率变化难题 — b4ldur · 2026-10-17
- 四工具接力流水线：Blender加三个生成模型做出真人级特技视频 — apostraphi · 2026-10-17