Noiz AI 联合港科大开源 Helix World：一张图生成可漫游的场景，画面和立体声随视角实时变化
Noiz AI 与香港科技大学推出实时交互音画世界模型 Helix World：从一张图出发，用 WASD 移动、方向键环顾，模型同步生成后续画面和跟随镜头转向的立体声，单张 NVIDIA H800 上可跑到 24 帧/秒；代码已在 GitHub 开源，预览权重和网页试玩同步开放。
据 Noiz AI 官方博客 10 月 12 日发布的介绍，Noiz AI 与 香港科技大学（HKUST） 推出了实时交互式音画世界模型 Helix World，这两天在 X 上被不少 AI 视频创作者转发试玩。要点如下：
- 怎么玩：选一张起始图（也可上传自己的图），可选填一段文字描述，留空则由模型根据画面自动描述；开始后用 WASD 移动镜头、方向键 转视角，模型分段生成接下来的画面和声音；
- 声音是一起生成的：和「先出视频、再配音效」不同，Helix World 的声场会跟着镜头转动左右变化，比如转头时声音会在左右声道之间移动；官方认为后期配音的方案看不到镜头轨迹，做不到这一点；
- 速度和成绩：单张 NVIDIA H800 上约 24 帧/秒，实时系数 0.77（比实时更快）；在 WBench 导航子集得分 79.9，接近目前较强的无声世界模型；在团队同步发布的音画评测 HelixBench 上，空间声学一致性得分 41.8，对比的另一款带声音的世界模型 EchoWM 为 12.7（均为官方数据）；
- 技术底座：基于开源音画模型 LTX-2.3，加入镜头轨迹和键盘动作控制，再蒸馏成少步数的流式模型以支持实时生成；
- 开放情况：论文已上 arXiv，代码在 GitHub 开源（代码为 Apache 2.0，权重另附许可），预览版权重在 Hugging Face，网页版试玩在 helixworld.org。
对创作者意味着什么： 世界模型以前多是「无声的可漫游画面」，Helix World 把空间音效一起算进来，对做沉浸式短片、游戏概念演示、虚拟场景漫游类内容的创作者来说，多了一种快速出样片的方式。目前它仍是研究预览，输入分辨率为 768×512，本地部署对显卡要求很高，普通创作者更现实的做法是先用网页版试玩、录屏找灵感；正式用于商业作品前，记得看清权重许可条款。
信息来源：Noiz AI 官方博客（本文为编辑整理改写）
