VAST开源实时世界模型EdenLive：单卡720P超24FPS，解耦状态与渲染
2026/10/18 19:49阅读量 10
VAST发布并开源实时世界模型EdenLive，在单张消费级显卡（RTX 5090）上实现720P分辨率下超过24FPS的生成速度及百毫秒级端到端延迟。该模型采用“世界状态与视觉渲染解耦”架构，支持多种参考输入下的任意画风实时生成、视频重渲染及具身数据增强，旨在降低可交互世界创作的门槛。
事件概述
AI公司VAST正式开源其实时世界模型EdenLive。该模型首次实现了在实时生成的前提下，同时完成任意参考输入、任意画风生成和长时连续运行。EdenLive作为VAST长期项目Project Eden的阶段性成果，已开放模型权重、推理代码及技术报告。
核心性能与技术指标
- 硬件要求与速度：在单张消费级显卡Nvidia RTX 5090、720P分辨率条件下，5B模型的生成速度超过24FPS，能够持续生成分钟级画面。
- 交互延迟：从用户输入操作到对应画面出现的端到端延迟为百毫秒级。
- 多模态参考输入：支持简化场景、参考视频、目标首帧及提示词等多种输入方式，可根据参考布局与运动，持续生成写实、二次元等不同画风的精细画面。
技术路线：状态与渲染解耦
EdenLive的核心设计理念是**「解耦世界状态与视觉渲染」**，这一路线比行业共识提前约3-4个月确立。其工作逻辑如下：
- 上游交互系统：负责维护底层世界状态、运行规则及玩家操作反馈（如位置、血量、碰撞判定等）。
- EdenLive模型：接收上游输出的简化参考画面或状态信息，结合风格指令，实时生成高保真视觉内容。
这种分工使得创作者可以在保持游戏逻辑不变的情况下，通过更换视觉模型来调整美术风格，或快速迭代原型。
应用场景演示
- 交互式游戏预览：适用于场景漫游、推箱子等低频交互玩法。Demo展示了角色动作与血条、计时等游戏状态的配合，以及岩浆闯关等复杂场景的实时渲染。
- 场景与动画预览：在确定布局和运镜后，可快速切换不同美术风格（如将简单模型搭建的雪景转换为写实光影效果），辅助导演和概念设计师进行决策。
- 视频重渲染与换皮：可将实拍视频中的角色替换为卡通形象，或将房屋视频转换为手绘动画风格，同时保持原有动作和布局一致。
- 具身数据增强：将真实人类操作视频转换为机器人视角，修改物体外观（如颜色、材质）或操作主体（人手变机械手），用于扩展机器人训练数据集。
局限性与未来计划
目前EdenLive在高频激烈交互、多角色身份保持、小物体精细控制及长时间生成的视觉一致性方面仍有提升空间。此外，VAST还将同步开源Game Prototype Turbo，一款“Prompt to Proxy Game”技能，允许用户通过提示词快速生成可直接游玩的游戏原型，并与EdenLive形成从逻辑到视觉的完整链路。