Overworld、リアルタイム対話型ビデオ生成モデル「Waypoint-1」を発表
Introducing Waypoint-1: Real-time interactive video diffusion from Overworld
Overworldは、テキスト、マウス、キーボードで操作可能なリアルタイム対話型ビデオ生成モデル「Waypoint-1」を発表しました。このモデルは、10,000時間のゲーム映像と制御入力、テキストキャプションで学習されたフレーム因果型レクティファイドフロー・トランスフォーマーを基盤としています。既存モデルが事前学習済みビデオモデルをファインチューニングするのに対し、Waypoint-1は最初から対話体験に焦点を当てて学習されており、低遅延で自由なカメラ操作が可能です。推論ライブラリ「WorldEngine」は、低遅延・高スループットでインタラクティブな世界モデルストリーミングを実現します。Waypoint-1-Smallモデルは、コンシューマーハードウェアでもシームレスな体験を提供し、RTX 5090 GPU上で30 FPS(4ステップ)または60 FPS(2ステップ)を達成します。同社は2026年1月20日にWorldEngineハッカソンを開催し、賞品としてRTX 5090 GPUを提供します。
- Overworldがリアルタイム対話型ビデオ生成モデル「Waypoint-1」を発表
- 推論ライブラリ「WorldEngine」を公開
- 2026年1月20日にWorldEngineハッカソンを開催し、賞品としてRTX 5090 GPUを提供することを発表
Overworldは、ゲーム映像と制御入力を組み合わせた独自の学習手法により、事前学習済みビデオモデルのファインチューニングに依存しない、初めての対話型ビデオ生成モデルを実現した点が注目に値する。コンシューマーハードウェア(RTX 5090)上で30〜60 FPSを達成する低遅延性は、ゲーム・シミュレーション・コンテンツ制作など幅広い応用が期待される。ただし、実用性の検証はまだ初期段階であり、ハッカソンでのコミュニティ反応と、実際のユースケースでの性能が今後の評価の分かれ目となる。