Qué es y para qué sirve
Desarrollado por Noiz AI y la Universidad de Ciencia y Tecnología de Hong Kong, Helix World crea escenas explorable a partir de una imagen inicial y un prompt de texto opcional. El usuario controla la navegación con las teclas WASD y la orientación con las flechas, mientras el sistema genera video a 768x512 píxeles y 24 fotogramas por segundo en una GPU NVIDIA H800. La principal innovación es la generación simultánea de audio espacial que se ajusta al movimiento de la cámara, evitando la latencia de los modelos en cascada. En la prueba WBench obtiene 79.9 puntos, superando a otros modelos en tiempo real. El código es de acceso abierto y se puede probar en helixworld.org, con recursos disponibles en GitHub y Hugging Face. Entre sus limitaciones, el modelo opera en chunks de 1.3 segundos y requiere hardware específico para su ejecución local. Aunque lidera en coherencia espacial, algunos pipelines de redoblaje logran menor desfase temporal, aunque pierden la alineación espacial del sonido.
