Runway、リアルタイム対話型モデル GWM Worlds 2 を公開──720p/24fps の映像と 48kHz 音声を同時生成
永続的な環境定義とタイムスタンプ付きイベントストリームを分離する WorldPrompt により、リアルタイムなインタラクティブ世界生成とマルチプレイを実現した。
リリース: 2026-09-03 · 読了 4 分記事の要約
1. 核心（What）
- Runway がリアルタイム対話型世界モデルの最新版 GWM Worlds 2 を発表した。
- 720p 解像度・24 fps の動画ストリーミングと 48,000 Hz の音声（音声、効果音、環境音）を同時に生成する。
- WorldPrompt と呼ばれる新たな制御フォーマットにより、永続的な環境定義とオーバーラップ可能なテキストアクションを分離した。
- LiveKit を活用したマルチプレイに対応し、プレイヤー 1、プレイヤー 2、ディレクターなどの役割を割り当て可能。
2. 影響（Why）
- インタラクティブ映像の実用化に向けた制御性の向上: 単なる固定クリップの生成ではなく、テキストアクションやカメラ動作をライブの制御信号として扱いながら無限にフレーム生成を継続できるため、ゲームやシミュレーションのプロトタイピング手法を根本から変える。
- 国内のゲーム制作・映像制作スタジオへの影響: 国内のゲーム開発や映像制作を手がける中規模スタジオ（例えば 50 人規模のインディーゲーム開発会社）は、事前オーサリングやターン制モードを用いて、アセット制作や背景シミュレーションのワークフローを大幅に短縮する検証を開始する価値がある。
3. 根拠・詳細（How）
- 自己回帰型拡散モデルとスライディング KV キャッシュ: グローバルコンテキスト、現在のフレーム入力、およびスライディング KV キャッシュに保持された過去の生成フレームという 3 種類のコンテキストに条件付けられた自己回帰型拡散アーキテクチャを採用している。
- 因果関係に基づく動画・音声デコーダーの統合: 動画デコーダーおよび音声デコーダーは共に因果的（カージナル）かつキャッシュアシスト型であり、セッションの長さに制限を設けず無期限のストリーミング実行を可能にしている。
4. 展望・課題（Next）
- 研究プレビューとしての提供と今後の課題: 現在は公開価格やセルフサービスの提供はなく、問い合わせフォームを通じた研究プレビューとして展開されており、高速移動時のテクスチャのドリフトや長期的な一貫性の維持が今後の課題となる。