Runway 發布 GWM Worlds 2 研究預覽：以文字與攝影機即時生成 720p 影片及 48 kHz 音訊

Runway 發布 GWM Worlds 2 研究預覽：以文字與攝影機即時生成 720p 影片及 48 kHz 音訊。GWM Worlds 2 運作介面，展示結合 WorldPrompt、即時互動模擬與音訊生成的 world model 示範它同時把生成環境作為 Agent 移動與目標導向行動的實驗場域，但目前仍不是一般可用的遊戲引擎或機器人模擬器。核心架構 Runway 在官方研究頁面〈Introducing GWM Worlds 2〉將 GWM Worlds 2 描述為自回歸音訊-影片 diffusion model。其 WorldPrompt 把持續存在的世界脈絡與帶有時間戳的事件流分開管理：持續脈絡包含 genesis 描述、subjects、laws 與 first frame。 事件流記錄動作、對話、聲音與攝影機移動。 模型每一步結合全域脈絡、目前輸入，以及已生成影格的 sliding cache，並可在沒有固定片段長度的情況下持續生成。某個應用程式介面的世界建立畫面，頂部設有 Play、Presets、History 與 Debug 分頁，中央的文字輸入框內填有「third person, running along a beach」，下方選單標示 Gemini 3.1 Flash Image (fast)，並附帶「Add reference image」核取方塊與「Create world」按鈕，底部則說明由模型產生圖像後再填入 prompt、角色與動作。展示能力 系統以 720p、每秒 24 frames，以及 48 kHz（48,000 Hz）音訊運作。Runway 展示第一人稱與第三人稱導航、主體和場景動作、生成對話、從預填影片延續內容、多人角色，以及由 Agent 控制的互動情境；其中目標導向 Agent 能在生成環境中選擇移動動作，可探索作為具身 Agent 的評估或訓練介面。預先編排的 actions 目前比現場以按鍵綁定的 demo 產生更好的品質。第一人稱視角沙漠荒野生存模擬畫面，左手持金屬隨身水瓶，右手持石矛，前方荒漠道路延伸至夕陽下的小營地與帳篷，左上角顯示生命值、體力、水分與飽食度計量條，右下角標示時間與日期。限制與評估 即時速度與 fidelity 之間存在取捨；快速旋轉攝影機可能使幾何、材質與細節劣化，長期記憶也不完整。系統目前不支援 first frame 或預填影片以外的參照內容，最豐富的反應式體驗可能需要外部 state-tracking harness。實際測試應分開檢查即時速度、畫面 fidelity、攝影機旋轉瑕疵、長期記憶與參照限制；來源尚未說明硬體需求、API 存取方式或即時性主張的重現細節。GWM Worlds 2 運作介面，展示結合 WorldPrompt、即時互動模擬與音訊生成的 world model 示範 影片中的 Prompt 與操作：Prompt（00:11）： 第一人稱沙漠求生遊戲，日落時分，一手拿著水壺，一手拿著長矛，前方有營火。原文：First-person desert survival game at sunset, canteen in one hand, spear in the other, campfire ahead.操作步驟： 1. （00:11）- 點擊 Create world 按鈕原文：https://easyvibecoding.app/curated/3263-runway-gwm-worlds-2-text-camera-real-time-video-audio