整活了！爆火「闪身步」实时生成动漫版，VAST世界模型全面开源

编辑｜陈陈 最近，一款《小王子》3D 剧情游戏，在 X 上火了。 熟悉的 B-612 星球、孤独的玫瑰、浩瀚的宇宙…… 圣埃克苏佩里笔下的童话世界，竟然真的变成了一款可以亲自探索的游戏。 更让人意外的是，这款游戏出自独立开发者 Sac 之手，他只用了 16 天，就借助 AI 将《小王子》改编成了一款 3D 爆火剧情游戏。 来源：https://x.com/saccc_c/status/2109962425512734739?s=46&t=BP9XQKBYAjFchunY5lXz7Q 一人、16 天，就能把经典童话变成一个可游玩的三维世界。背后的 AI 模型立了大功。 据了解，Sac 使用 Opus 5.5 辅助编写游戏代码，借助 Tripo 生成 3D 模型，再通过 Blender 完成相关制作。而这里面用到的 Tripo，正是全球领先的通用人工智能公司 VAST（三启万物）旗下的 3D 基础生成模型。 有意思的地方来了。 就在《小王子》游戏走红之际，这家公司的世界模型研究又有了新进展。 这一次，VAST 拿出了最新阶段性成果， EdenLive 。 这是 VAST 旗下的世界模型研究项目 Project Eden 系列中负责「实时生成式渲染」的渲染器，EdenLive 以 Proxy（简化参考画面）或参考视频作为控制信号，结合目标首帧图像和文本提示词，持续生成写实、精细化或风格化的视频画面 。 试想一下，如果将 EdenLive 应用到前面《小王子》这样的游戏中，开发者就可以先用简化的 3D 场景搭建游戏，再通过 EdenLive 实时生成更精细的画面，甚至自由切换童话、写实、油画等不同风格。 这次发布更重要的意义， 是让生成式渲染走出离线视频创作，真正进入实时交互循环 。过去，视频生成通常需要等待模型完成计算，再观看生成结果。而 EdenLive 能够持续接收变化的参考画面，并实时生成对应的视觉内容，让用户操作与画面变化形成连续反馈。 在性能方面， 单张 Nvidia RTX 5090、5B 参数模型、720P 的配置下 ，EdenLive 的 实时帧率超过 24 FPS 。连续生成可以持续到 分钟级 ，输出提供 480P 和 720P 两档，在效率与画质之间留出选择空间。从用户操作到对应画面出现， 端到端延迟在百毫秒量级 。 值得一提的是， VAST 还将 EdenLive 全面开源 ，涵盖不同尺寸规格的模型权重、推理代码， 以及介绍模型训练方法、数据等技术细节和优化方案的 Tech Report。 同时，团队还开源了 Game Prototype Turbo—— 一款「Prompt to Proxy Game」Skill。用户可以通过它快速生成可直接游玩的 Proxy Game；游戏运行中产生的状态数据也可以同步输入 EdenLive，由模型实时渲染为动态画面，并反馈给玩家，形成从游戏逻辑到实时视觉呈现的完整链路。 为了让开发者更直观地体验这套流程，团队还将开放一套端到端 Demo，完整展示从自然语言生成游戏、实际试玩、指定目标首帧，到 EdenLive 实时渲染的全过程。 这样，开发者不仅可以直接体验模型能力，还能进一步研究其技术实现，并将生成式渲染接入自己的游戏、动画及其他交互式应用中。 代码：https://github.com/VAST-AI-Research/EdenLive 项目主页：https://vast-eden.ai/?p=edenlive 技术报告：https://assets.vast-eden.ai/assets/edenlive/EdenLive-tech-report.pdf 开放权重：https://huggingface.co/VAST-AI/EdenLive 任意参考、任意画风，EdenLive 把实时渲染玩出了花样 接下来，我们不妨通过更多 Demo，来直观感受 EdenLive 的生成效果。 最近网上很火的「闪身步」，能不能直接变成动漫？EdenLive 就给出了一个示例。以真人视频为参考，模型保留了原有动作节奏和运动轨迹，同时将人物与场景重新渲染成动漫风格。 也就是说，动作还是那个动作，但人物外观、画面质感和整体视觉语言已经被重新生成。 场景和物体的视觉风格同样可以自由切换 。下面示例是将真实街景画面，转换成梵高《星空》式的视觉风格。 一只卡通鹈鹕骑着自行车，经过 EdenLive 渲染，画面变成了湖边的写实场景。 一段漫画铲雪车则转换成了积雪覆盖道路、沿途树木和具有真实光影效果的铲雪画面。 这些 Demo 背后是同一套生成逻辑。 无论参考来自 2D 动画、3D 场景还是真实视频，EdenLive 都可以利用其中的结构与运动信息，再通过目标首帧和提示词重新指定画面风格。 更关键的突破在于 实时性 。 传统实时渲染依赖人工制作 3D 资产、调整材质和光影，制作成本高、周期长。而离线视频生成模型虽然能够产出精美画面，却需要等待生成完成，难以对用户操作作出实时反馈，更无法嵌入实时交互循环。 EdenLive 则在两者之间提供了新的解决方案。只需提供粗略的场景结构和运动参考，就能持续、实时地生成高质量画面，无需提前制作完整的美术资产。 更关键的是，这一生成过程可以直接接入交互系统。用户发出操作后，底层引擎更新世界状态，并持续输出对应的参考画面，EdenLive 再实时完成视觉渲染，将结果反馈给用户。 如此循环，生成式渲染便真正进入了实时交互流程，让画面能够随着用户操作持续变化。 这也非常契合影视和动画的前期制作 。导演或动画师可以先用简单的画面确定构图、角色运动和镜头路径，再通过生成式渲染尝试不同视觉风格。同一段参考动画，可以生成写实、卡通或其他风格版本，帮助团队更快确定最终的美术方向。 在交互式游戏中 ，EdenLive 的表现也可圈可点，渲染的游戏画面具有丰富的环境细节，同时保留了游戏操作界面和交互机制。 另一段格斗游戏中，两名角色在场景中对峙，画面呈现流畅。玩家仍然可以通过按键控制角色行动，底层的游戏规则不会改变。 在具身智能数据领域 ，EdenLive 同样展现出应用潜力。它能够在保留原始数据动作轨迹和场景结构的基础上，改变画面的视觉外观，为机器人训练提供更加多样化的数据样本。 解耦的设计哲学 世界独立运行，画面实时生成 长期以来，可交互的世界模型面临一个基础问题：模型既需要生成画面，又需要理解和维护世界中的状态。 生成画面，需要处理纹理、光照、运动、遮挡与视觉连续性。维护世界状态，则需要准确记录角色的位置、物体属性、碰撞关系，以及持续变化的任务进度。对于游戏来说，系统还需要处理生命值、技能冷却、NPC 行为、胜负条件等明确规则。 当所有信息都依赖视频模型隐式推断时，错误就容易逐步积累。 EdenLive 的做法是将交互状态与视觉渲染解耦。 具体来说， 游戏规则、交互响应和世界状态由上游交互系统负责，EdenLive 则根据系统输出的参考画面，持续生成精细或风格化的视觉内容。 角色在哪里、攻击是否命中、任务进度如何变化，都由交互系统记录和更新，无需视频模型仅凭画面推断。 EdenLive 因而可以专注于画面质量、风格表现与实时生成。 整个