Noiz AI 與港科大發表即時影音世界模型
Noiz AI 與香港科技大學 10/12 發表 Helix World 預覽版：單張圖即時生成影片與隨鏡頭變化的立體聲，解析度 768×512。速度與評比分數皆為業者自述，價格未載明。
Noiz AI 與香港科技大學（HKUST）10/12 發表 Helix World 預覽版，可由單張圖即時生成影片，並產生隨鏡頭轉動變化的立體聲，解析度 768×512。速度與評比分數皆為業者自述，價格未載明。
背景：Helix World 被描述為「即時互動的影音世界模型」，使用者以 WASD 與方向鍵操控，探索生成的場景。輸入為一張圖片（可選用範例或上傳），文字提示為選填，留空時系統會自動根據畫面描述場景。官方論文為 arXiv:2609.38123。
細節：官方稱在單張 NVIDIA H800 上每秒 24 幀，含影音解碼的即時係數（RTF）為 0.77，以約 1.3 秒為一段生成，新輸入從下一段起生效。評測方面：WBench 導航分數 79.9，低於無原生音訊的 Alaya-EVOKE-Turbo（82.0）與有原生音訊的 EchoWM（81.0）；空間聲學一致性 HelixBench 為 41.8；使用者研究中，67.9% 的受試者在含音訊情況下偏好 Helix World，EchoWM 為 20.8%。
限制：官方稱公開檢查點為預覽版，速度只在資料中心級 H800 上量測，未涵蓋消費級 GPU。官方有公開示範站（頁面未載明價格），程式碼在 GitHub，預覽檢查點在 Hugging Face。
跟你的關係
這屬研究階段的預覽，一般使用者可先試公開示範，但目前的速度驗證只在資料中心級 GPU，自家電腦未必跑得動。對做遊戲、虛擬場景或影音研究的人，可關注其開源程式碼；成品化與商用條件，官方沒有說明。
重點
- 10/12 發表預覽版，單圖生成影片與隨鏡頭變化的立體聲
- 解析度 768×512；H800 上每秒 24 幀（業者自述）
- WBench 79.9，略低於最佳無聲模型 82.0
- 使用者研究偏好 67.9% 對 20.8%（對 EchoWM）
- 有公開示範與 GitHub 程式碼；價格未載明
來源
本站內文為依上列來源整理的摘要，未另外增加事實；細節請以原文為準。