VAST、リアルタイム世界モデルEdenLiveをオープンソース化

概要

生成AIの活用は、静止画や短い動画の生成から、操作に応じて変化し続けるインタラクティブな世界へ広がりつつある。VASTが公開したEdenLiveは、その中でも視覚レンダリングを担うリアルタイム世界モデルだ。簡略化されたシーンや参考動画、目標となる最初のフレーム、テキスト指示を組み合わせ、既存の配置や動きを保ちながら、写実的またはアニメ調の映像を連続生成する。

主なポイント

• リアルタイム性：VASTによると、5Bモデルは消費者向けRTX 5090一枚、720pで24FPSを超える。数分間の連続生成にも対応し、入力から映像が現れるまでの遅延は数百ミリ秒規模とされる。
• 多様な入力：簡略化された2D・3Dシーン、動画、目標の初期フレーム、プロンプトを利用できる。参考素材が構図やカメラ、動きを示し、初期フレームと指示が見た目や画風を決める。
• 状態と描画の分離：キャラクターの位置、攻撃、当たり判定、体力などは上流のインタラクションシステムが管理し、EdenLiveは更新後の状態を映像化する。
• 想定用途：ゲームのインタラクティブなプレビュー、シーンやアニメーションの事前確認、動画のキャラクター・画風変更、ロボット視点データの拡張などが示されている。

意義と限界

EdenLiveの意義は、単に動画生成の速度を上げたことではない。生成モデルを、ルールを管理できるシステムの一部として組み込んだ点にある。動画生成モデルは視覚表現に強い一方、ゲームのルールや状態を長時間正確に維持するのは難しい。逆に、従来のゲームエンジンは制御しやすいが、精細な素材制作に手間がかかる。両者を分ければ、低ポリゴンやブロック状の表現でまずゲーム性を確認し、その後にキャラクターや素材、画風を変更できる。

この仕組みは、ゲームの試作、アニメーションの演出確認、バーチャルキャラクター制作のコスト削減につながる可能性がある。VASTは、プロンプトから遊べるゲーム原型を作るGame Prototype Turboも公開する予定で、論理システムと生成映像をつなぐ流れを整えようとしている。

一方、現段階では高速で激しい操作に適しているとは限らない。複数キャラクターの同一性、小物の細かな制御、長時間生成時の画面の一貫性には改善余地がある。重要なのはモデル単体の性能だけでなく、状態管理、対応データ、推論速度、映像品質を一つのシステムとして成立させることだ。重み、推論コード、技術報告書、デモの公開は、この設計を検証するための具体的な入口になる。

出典：量子位