所谓世界模型，是指通过学习现实空间中的物理运动和深度信息，并据此生成图像的人工智能模型 … 在 SANA-WM 中，只需输入一张静态图像和摄像机的移动路径，即可生成 60 秒、720p 分辨率的高保真可控视频 … 在技术层面，据称该模型在实现 36 倍于现有开源模型的吞吐量（指系统或设备每单位时间可处理的”实际数据量”或”作业处理能力”）的同时，还达到了与 LingBot-World 和 HY-WorldPlay 等闭源产品相当的视频质量。
所谓世界模型，是指通过学习现实空间中的物理运动和深度信息，并据此生成图像的人工智能模型 … 在 SANA-WM 中，只需输入一张静态图像和摄像机的移动路径，即可生成 60 秒、720p 分辨率的高保真可控视频 … 在技术层面，据称该模型在实现 36 倍于现有开源模型的吞吐量（指系统或设备每单位时间可处理的”实际数据量”或”作业处理能力”）的同时，还达到了与 LingBot-World 和 HY-WorldPlay 等闭源产品相当的视频质量。