Runway presenta WorldPrompt para simular mundos interactivos en tiempo real
El formato de entrada permite fijar el entorno inicial y generar eventos en tiempo real sobre video y audio a 720p y 24 fps.
Runway ha lanzado GWM Worlds 2, una vista previa de investigación que convierte la generación de video y audio de alta fidelidad en una simulación interactiva en tiempo real. La novedad central es WorldPrompt, un formato de entrada que actúa como capa de control para personajes, cámaras y entornos dentro de mundos generados, permitiendo fijar aspectos como el primer frame y crear eventos con marca de tiempo que pueden ser solicitados en vivo.
Arquitectura y rendimiento
El sistema funciona mediante un modelo de "difusión autoregresiva". Según Anastasis Germanidis, co-CEO de Runway, el proceso parte de una difusión bidireccional que genera el video completo y luego se ajusta para generar un par de frames a la vez. Para lograr la latencia necesaria, el equipo utiliza métodos de destilación, reduciendo por ejemplo los pasos de desruido de unos 50 a cuatro, aunque con cierta pérdida de calidad.
Los números son concretos: el flujo se entrega en video continuo de 720p a 24 fps y audio a 48.000 Hz. Kamil Sindi, CTO de Runway, destaca que esto permite crear mundos "promptables bajo demanda con video y audio sincronizados". A diferencia de entornos scripteables como Minecraft o Roblox, no se ofrece scripting ni control de estado, sino una instrucción por prompt.
Limitaciones técnicas
Los propios ingenieros de Runway señalan los retos pendientes. Germanidis admite que el mayor problema de los modelos autoregresivos es la acumulación de errores: al alimentar frames generados de vuelta al modelo para crear los siguientes, los pequeños fallos se multiplican. Además, gestionar la memoria GPU para generaciones "infinitas" y decidir qué contexto mantener y qué descartar sigue siendo una optimización compleja.
Robin Kahlow, investigador principal, reconoce que la memoria a largo plazo no es perfecta y que es un problema de investigación abierto. La fiabilidad varía: los movimientos básicos funcionan de forma fiable, pero acciones complejas o leyes físicas específicas pueden fallar. Runway compara su trabajo con Genie 3 de Google DeepMind, Odyssey-2 Pro y RTFM de World Labs, proyectos que también enfrentan límites de duración y latencia en la interacción continua.
Con una valoración de 5.300 millones de dólares tras una ronda de 315 millones en febrero, Runway apuesta por que estos modelos evolucionen hacia experiencias completamente auto-generadas. La promesa técnica es clara, aunque la distancia entre una vista previa de investigación y un producto operativo estable sigue siendo significativa debido a los cuellos de botella de rendimiento y memoria.
