SolarWM

SolarWM är ett öppet ramverk för att bygga videovärldsmodeller, alltså AI som skapar en video av en värld man kan röra sig i och styra med kameran i realtid. Projektet släpper allt från data till färdiga modeller, så att andra kan bygga vidare och jämföra resultat.

Datadelen gör om 1,43 miljoner klipp från tio dataset, totalt cirka 25 terabyte, till ett gemensamt format med kamerapositioner, bildtexter och kvalitetsuppgifter. Samma ramverk används för att anpassa flera olika videomodeller: Wan 2.2 (5B och 14B), LTX-2.5 och MiniMax-H3, från 5 till 33 miljarder parametrar. Ett recept i tre steg gör om en vanlig videomodell till en snabb modell som genererar bit för bit i några få steg. Enligt forskarna räcker det att träna på femsekundersklipp för att modellerna sedan ska klara interaktion i realtid i minuter eller till och med timmar.

Arbetet leds från The Chinese University of Hong Kong, Shenzhen, med forskare från bland annat NUS, HKUST, NVIDIA, UCLA och Microsoft Research Asia. Koden är Apache 2.0, men vikterna har modellernas egna licenser: LTX-versionerna följer LTX-2.x Community License och MiniMax H3 Community License har geografiska begränsningar. Projektet har fortsatt att utvecklas, med SolarWM-H3 i september och SolarWM-H3 Realtime med kamerastyrning i realtid i oktober 2026.