研究突破 量子位
世界模型进入有声时代：24FPS + 48kHz 立体声实时生成 World Models Enter the Audio Era: Real-Time 24FPS Video with 48kHz Stereo Sound
精读摘要
世界模型迎来「有声时代」：新进展实现了 24FPS 画面与 48kHz 立体声的实时联合生成。声音与画面的同步生成让世界模型的沉浸感大幅提升，且该成果即将完全开源，有望加速下游应用的落地。 World models have entered the audio era: a new development generates 24FPS video with 48kHz stereo sound in real time. Synchronized audio-visual generation greatly boosts immersion, and the project is set to be fully open-sourced.
关键要点
- 实现 24FPS 画面与 48kHz 立体声实时生成
- 音画同步生成大幅提升沉浸感
- 成果即将完全开源
💡 对普通人的影响：即将开源，开发者有望将音画同步的世界模型能力接入自己的应用