Zing-0.5 通过键盘和文本实时控制可玩世界
Zing-0.5 是一个拥有 50 亿参数的自回归世界模型，旨在生成可交互环境。用户可以使用键盘进行移动，并通过文本指令改变正在生成的事件，无需重新开始生成。该系统结合了统一的动作与文本条件控制、事件级监督，以及支持低成本实时推理的流式技术。研究人员称，模型在 832×480 分辨率下可达到每秒 24 帧，预计服务器租用成本约为每流媒体分钟 0.009 美元。在 WBench Navigation 的 158 个测试案例中，Zing-0.5 获得 81.0 的总分和 88.5 的一致性分数。模型权重、推理代码和 Zing-SGLang 服务实现均已发布。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。