@svpino: 这个模型能够生成连贯的、跨越多个场景的长达1小时以上的视频，毫无卡顿。我读了他们的论文，所以…

X AI KOLs Following 模型
video-generation open-weights world-model long-video self-recovery research

摘要

这条推文介绍了LingBot-World-Infinity，一个开放权重的视频生成模型，它采用一种训练技术来从错误中恢复，从而能够生成跨越多个场景的连贯的1小时视频。

这个模型能够生成连贯的、跨越多个场景的长达1小时以上的视频，毫无卡顿。 我读了他们的论文，所以你不用读了。下面是它的工作原理： 首先，这是一个开放权重的模型。你可以在下面找到GitHub仓库和模型权重链接。 大多数视频模型逐帧生成视频。它们查看之前的帧来决定接下来生成什么。 不幸的是，如果某一帧出现错误，后续的每一帧都会放大这个错误。很快质量就会变得非常糟糕。 @robbyant_brain 的新世界模型 LingBot-World-Infinity 采用了不同的方式。以下是主要亮点： • 该模型通过自己的错误进行练习。由于训练时只向模型展示干净的素材，它学会了生成看起来完美的视频，但从未学习在出现错误时如何恢复。相反，这个模型长时间运行在自己的输出上，让它漂移到实际使用中会遇到的相同错误状态。 • 然后，模型被展示返回正确路径的方法。从每个错误状态出发，一个更慢更谨慎的模型版本演示了什么是干净的延续。快速模型调整其帧以匹配。它反复练习恢复，总是从自己的混乱开始。 • 结果是一个能够自我校正的模型。无论它漂移到哪里，它都知道返回的路径，因为恢复正是它训练的内容。这就是让它能够维持一小时的连贯性，而不是一分钟后崩溃的原因。 除了14B的主模型外，论文还描述了一个1.3B的变体，设计用于单张消费级GPU运行。 见下面的链接：
查看原文
查看缓存全文

缓存时间: 2026/07/13 18:03

该模型能够生成连贯的超过一小时的视频，跨越多个场景，毫无卡顿。

我阅读了他们的论文，你就不用读了。工作原理如下：

首先，这是一个开放权重的模型。你可以在下方找到GitHub仓库和模型权重链接。

大多数视频模型一次生成一帧视频。它们查看之前的帧来决定接下来生成什么。

不幸的是，如果某一帧出现错误，后续每一帧都会放大这个错误。很快画面就会变得极其糟糕。

@robbyant_brain 的新世界模型 LingBot-World-Infinity 的工作原理不同。以下是主要亮点：

• 模型通过利用自身错误进行练习。由于训练时只向模型展示干净的视频片段，它学会了生成看起来完美的视频，但从未学会在出现错误时恢复。相反，该模型长时间运行在自己的输出上，使其漂移到实际使用中遇到的同样有缺陷的状态。

• 然后，模型被展示回归之路。从每个有缺陷的状态开始，一个更慢、更谨慎的模型版本演示了什么是干净的延续。快速模型调整其帧以匹配。它一遍又一遍地练习恢复，总是从自己的混乱开始。

• 结果是一个能够自我修正的模型。无论漂移到何处，它都知道回归之路，因为这正是它训练的内容。这就是它能够保持连贯一小时而不是一分钟后崩溃的原因。

除了140亿参数的主模型外，论文还描述了一个13亿参数的变体，旨在单个消费级GPU上运行。

见下方链接：

相似文章

视频生成模型作为世界模拟器

OpenAI Blog

OpenAI的技术报告介绍了Sora视频生成模型，该模型通过视觉补丁统一多样化的视觉数据，支持大规模训练生成模型，能够生成长达一分钟的高清视频，支持可变的时长、宽高比和分辨率。

robbyant/lingbot-world-v2-14b-causal-fast

Hugging Face Models Trending

LingBot-World 2.0 是一个先进的世界模型，实现了无限制的交互范围、实时720p/60fps视频流、多样化的交互元素，以及一个集成了飞行员和导演智能体的智能体框架。该模型已在Hugging Face上发布，附带有推理代码和技术报告。