HelixWorld 补上世界模型的声音短板

世界模型过去两年的进度集中在画面：可自由探索、实时交互的视觉场景已经把帧率、时长、稳定性卷得差不多，但声音一直是短板——「有画无声，不成世界」。现在 **HelixWorld 1.0** 把这个缺口补上了。

这是 Noiz AI 联合香港科技大学、清华大学、CMU、Google DeepMind 等机构研究员发布的**实时可交互音视频世界模型**。关键不在多一条音轨，而在画面与声音由同一套 Transformer 原生联合生成：用户每走一步、转个身，画面和 48kHz 立体声声场同步响应，离多远、踩什幺材质、从哪个方向来都会改变声音。据称支持 **24 FPS 实时生成**,权重与代码将在接下来几周完全开源。

💡 为什么值得看首个可实时交互的音视频世界模型，声画同源生成、24FPS 加 48kHz 立体声，几周内完全开源。