Tripo platformasining yaratuvchisi boʻlgan va 3D sohasidagi generativ AI ga ixtisoslashgan VAST kompaniyasi EdenLive modelini jamoatchilikka ochiq qildi. Ushbu model real vaqt rejimida ishlaydi va soddalashtirilgan oʻyin kadrlarini yoki mavjud videoni olib, ularni fotorealistikdan animega qadar oʻzgarishi mumkin boʻlgan tanlangan uslubdagi batafsil tasvirlarga uzluksiz qayta chizishga qodir.
Chiqarish 5B va 14B hajmdagi modellar vaznlarini, real vaqtda inferens uchun kodni, texnik hisobotni va toʻliq foydalanish namunalarini oʻz ichiga oladi. Muhim jihati shundaki, EdenLive dunyoni mustaqil simulyatsiya qilmaydi; buning oʻrniga, yuqori darajadagi dastur, masalan, oʻyin dvigateli yoki kodlash agenti tomonidan yozilgan kod, qoidalarqa rioya qilish, dunyo holatini kuzatish va xom referans videoni chiqarish uchun javob beradi.
Bu referans video olingandan soʻng, EdenLive belgilangan birinchi kadr va matnli soʻrov asosida renderlashni amalga oshiradi. VAST taʼkidlashicha, bunday ajratish oʻyin mantiqini aniq va sinovdan oʻtkazish uchun mos holatda saqlashga imkon beradi, shu bilan birga real vaqt rejimidagi modelning cheklangan imkoniyatlarini faqat tashqi koʻrinishga yoʻnaltirish mumkin.
Bu yondashuv avvalgi iyul oyida Eden Loyihasi deb nomlangan kengroq dunyo tadqiqoti doirasida taqdim etilgan. VAST bayonotlariga koʻra, 5B model 720p aniqlikda bitta Nvidia RTX 5090 video kartasida sekundiga 24 dan yuqori frekatsiyada ishlashga qodir. GitHubdagi README faylida bu raqam LightX2V inferens freymvorkidan foydalangan holda 1280x704 piksel aniqligida taxminan 24.7 FPS sifatida koʻrsatilgan.
Texnik hisobot bir H100 da shu aniqlikda 29.8 FPS, shuningdek, sakkizta H100 da 14B modeli 832x480 aniqlikda 26.8 FPS ni koʻrsatishini bildiradi. VAST foydalanuvchi kiritmasidan tegishli kadrgacha boʻlgan umumiy kechikish bir necha yuz millisekundni tashkil qilishini va tizimning kontentni bir necha daqiqa davomida uzluksiz yaratishini taʼkidlaydi.
Ikkala model ham Wan2.2-TI2V-5B va Wan2.1-I2V-14B video modellariga asoslangan. Inferens kodi va difuziya, VAE va dekoderning asosiy vaznlari Apache 2.0 litsenziyasi ostida tarqatiladi, ammo barcha komponentlar bunday litsenziyaga ega emas. Vizual enkoder DINOv3 litsenziyasidan foydalanadi, va soʻrovdan oʻyin maydoniga qadar ishchi muhitda qoʻllaniladigan tasvir modeli Kommersiya qilinmaydigan FLUX litsenziyasi ostida joylashgan, bu esa ushbu ishchi muhitdan tijoriy maqsadlarda foydalanishni cheklaydi.
VAST shuningdek, matnli soʻrovni xom oʻynaladigan oʻyinlarga aylantiradigan va keyin EdenLive tomonidan renderlanishi mumkin boʻlgan Game Prototype Turbo — mahoratni taqdim etdi. VAST namunalari platformer, bunda personaj lava ni toʻxtatib, tayanch nuqtalarini yaratadi, sogʻliq vaqtlari va raund vaqti yuqori darajadagi tizim tomonidan kuzatiladigan ikki oʻyinchi jangovar oʻyini, shuningdek, koʻk fon ustida suratga olingan odamni multfilm personajiga aylantiruvchi video renderlashni oʻz ichiga oladi. Bundan tashqari, model birinchi shaxs kadrlari boʻyicha inson qoʻllarini robot qoʻllar bilan almashtirib, jismoniy AI uchun qoʻshimcha oʻquv maʼlumotlarini yaratadi.
VAST taʼkidlashicha, hozirda EdenLive sahnalarni koʻrib chiqish va qutilarni itarish jumboqlar kabi past chastotali oʻzaro aloqalar uchun eng yaxshi mos keladi. Tez, intensiv oʻyin rejimi, bir nechta personajlarning uygʻunligini saqlash, kichik obʼektlar ustidan nozik nazorat va uzoq sessiyalardagi vizual barqarorlik hali ham takomillashtirilishi kerak.