**HelixWorld:实时交互式视听世界模型** _HelixWorld: A Real-time Interactive Audio-Visual Wo
原帖
**HelixWorld:实时交互式视听世界模型**
_HelixWorld: A Real-time Interactive Audio-Visual World Model_
> HelixWorld 提出了一种实时交互式视听世界模型,实现了视觉场景与基于相机的空间立体声在用户交互下的原生协同演化。该模型通过预训练双向教师模型并蒸馏为低延迟因果学生模型,在单 GPU 上以 24 FPS 实现无漂移的联合音视频生成。此外,研究引入了 HelixBench 基准以评估空间声学一致性,实验表明其在保持视觉保真度的同时,显著提升了相机对齐的空间声学沉浸感。
**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:论文
- **发布时间**:2026-10-05 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2609.38123)