VAST开源EdenLive：把世界模型的实时视觉渲染推向消费级显卡

导语

生成式模型正在从一次性出图，走向持续运行、可响应操作的交互世界。VAST近日发布并开源实时世界模型EdenLive，试图解决其中一个关键环节：如何让简化的场景和交互状态，快速变成连续、细致且可切换风格的视觉画面。

核心要点

• 实时生成：VAST称，5B模型在单张消费级RTX 5090上、720P分辨率下生成速度超过24FPS，并可连续运行分钟级；从用户输入到画面反馈的端到端延迟达到百毫秒级。
• 输入形式灵活：模型可以利用简化场景、参考视频、目标首帧和提示词。参考内容负责提供布局、镜头与运动，首帧和提示词则控制外观、风格及细节。
• 状态与渲染解耦：角色位置、动作、命中判断、血量等规则由上游交互系统维护，EdenLive负责把更新后的状态渲染成更丰富的画面。
• 应用范围较广：公开演示覆盖交互式游戏、场景与动画预览、视频换皮和重渲染，以及将真人操作视频转成机器人视角的具身数据增强。

技术路线的价值

EdenLive的重点并不只是提高视频生成帧率，而是把生成模型放进一条可控的交互管线中。传统视频生成更擅长依据提示词创造视觉内容，却不一定能稳定维护游戏规则；纯粹依赖游戏引擎，则需要较高的资产制作成本。解耦之后，逻辑系统可以用方块、低模或其他简化表示推进世界，生成模型再负责视觉升级。

这意味着创作者能够先验证玩法，再尝试不同角色、材质和美术风格。对于游戏原型、动画预演和虚拟角色制作，这种方式有望减少反复建模与渲染的成本。VAST还计划配套开放Game Prototype Turbo，让用户从提示词生成可游玩的原型，再由EdenLive完成实时视觉呈现。

不过，实时并不等于已经适合所有游戏。素材显示，EdenLive更适用于场景漫游、推箱子等交互频率较低的玩法。激烈动作、多角色身份保持、小物体控制，以及长时间运行中的画面一致性，仍是需要验证的环节。对开发者而言，真正的门槛也从单一模型能力，转向状态系统、数据配对、推理效率与视觉质量的整体协同。

从开放权重、推理代码到技术报告和端到端Demo，EdenLive提供了一个可实际测试的入口。它未必意味着生成式游戏已经成熟，但清晰展示了世界模型的一种工程化分工：由结构化系统维护世界如何运行，由生成模型决定世界看起来是什么样。

来源：量子位