AlayaLab/Evoke

解決的問題

EVOKE 是一種世界模型，旨在生成高品質、長時程的影片，避免窗口化生成中常見的記憶體與品質退化問題。它透過使用外部世界狀態銀行來儲存場景幾何資訊，解決了「記憶體天花板」問題，進而能在不增加去噪器的運算或記憶體需求的情況下，實現近乎無限的滾動生成。

工作原理

EVOKE 採用三步驟、無 CFG（無分類器引導）的推論流程，自回歸地生成影片片段。它透過從產生的片段中估計深度，並將這些資訊反投影至「世界狀態銀行」中，從而於銀行中維持一個持續的點雲。在產生新畫格時，模型根據目前的相機姿態從該銀行中讀取資料，僅擷取並扭曲必要的視覺資訊。此過程由多層級記憶系統（長、中、短期）與專用的教師-學生蒸餾流程支援，實現高效、少步數的生成。

適用對象

本專案適用於從事世界模型、長影片生成與可相機控制的合成環境的 AI 研究人員與開發者。

主要亮點

• 無限生成：使用基於相機索引的世界狀態銀行，無論會話長度如何，都能保持上下文邊界。
• 高效率：在單一 H200 GPU 上，僅用 3 步、零 CFG，每 2.11 秒生成 1.5 秒影片。
• 飛行中重提示：在滾動生成過程中可更換文字提示，無需重新啟動或剪輯影片。
• 相機控制：透過專用的 Director Web UI 支援精確的相機移動與旋轉。
• 靈活的條件輸入：支援文字到影片（t2v）、影像到影片（i2v）與影片到影片（v2v）模式。