标签
WorldSonus 是一个交互式视频转音频框架，通过流式因果自回归扩散架构为世界模型带来实时空间声音合成，实时因子（RTF）为 0.41，支持基于分块索引的提示调度以实现流中声音控制，并采用立体声监督来实现空间对齐。
Runway 发布了 GWM Worlds 2，这是一个可实时操控的交互式世界模型，支持 720p/24fps 视频和 48kHz 音频的实时生成，允许用户通过文本动作控制环境并接入智能体执行任务。