As duas versões estão alinhadas bloco a bloco, pela ordem do texto: título, o essencial e depois parágrafo a parágrafo. Quando a tradução fundiu ou dividiu um parágrafo, a casa correspondente fica vazia — nunca aproximamos duas passagens a olho.
A character freezes a patch of lava to make a foothold, and the same jump, filmed as a rough grey sketch, comes back as a detailed scene. That is the kind of demonstration VAST put in front of developers this week. The company, behind the Tripo platform, has open-sourced EdenLive, a real-time model that takes simplified game footage or an existing video and re-renders it frame by frame in a chosen style, from photorealistic to anime. The release includes 5B and 14B model weights, real-time streaming inference code, a technical report and end-to-end demos.
Uma personagem congela uma poça de lava para criar um apoio, e o mesmo salto, filmado como um esboço cinzento e grosseiro, volta como uma cena detalhada. É esse o tipo de demonstração que a VAST apresentou esta semana aos programadores. A empresa, por trás da plataforma Tripo, disponibilizou em open source o EdenLive, um modelo em tempo real que recebe imagens de jogo simplificadas ou um vídeo existente e as volta a renderizar fotograma a fotograma, no estilo escolhido, do fotorrealista ao anime. A publicação inclui os pesos dos modelos de 5B e 14B, código de inferência em tempo real por streaming, um relatório técnico e demonstrações de ponta a ponta.
The model works as a second stage. An upstream program, such as a game engine or code written by a coding agent, runs the rules and tracks what is happening in the game. It then outputs a coarse reference video. EdenLive takes that reference, starts from a target first frame and a text prompt, and paints the detail on top. VAST says this split keeps the game logic explicit and testable, and lets the model's limited capacity focus on how things look. The approach was first presented in June, as part of Project Eden, the company's longer-running research effort on world models.
O modelo funciona como uma segunda etapa. Um programa a montante, como um motor de jogo ou código escrito por um agente de programação, executa as regras e acompanha o que se passa no jogo. Depois produz um vídeo de referência grosseiro. O EdenLive recebe essa referência, parte de um primeiro fotograma-alvo e de um texto de instrução, e acrescenta o detalhe por cima. A VAST afirma que esta divisão mantém a lógica do jogo explícita e testável, e permite que a capacidade limitada do modelo se concentre no aspeto visual. A abordagem foi apresentada pela primeira vez em junho, no âmbito do Project Eden, o programa de investigação de mais longa duração da empresa sobre modelos de mundo.
The speed figures are the striking part. VAST reports that the 5B model runs above 24 frames per second at 720p on a single Nvidia RTX 5090 graphics card. The GitHub page gives about 24.7 FPS at 1280×704 pixels, with the LightX2V acceleration framework. The technical report lists 29.8 FPS on one H100 chip, the data-centre processor Nvidia sells for this kind of work, and 26.8 FPS at 832×480 for the 14B model running across eight H100s. Those numbers come from VAST itself, and no independent benchmark has been published yet. The two models are built on existing open video models, Wan2.2-TI2V-5B and Wan2.1-I2V-14B.
Os números de velocidade são a parte mais notável. A VAST indica que o modelo de 5B corre acima de 24 fotogramas por segundo em 720p numa única placa gráfica Nvidia RTX 5090. A página do GitHub aponta cerca de 24,7 FPS em 1280×704 pixels, com a framework de aceleração LightX2V. O relatório técnico indica 29,8 FPS num único chip H100, o processador para centros de dados que a Nvidia vende para este tipo de trabalho, e 26,8 FPS em 832×480 para o modelo de 14B a correr em oito H100. Estes números vêm da própria VAST, e ainda não foi publicado nenhum teste independente. Os dois modelos assentam em modelos de vídeo abertos já existentes, o Wan2.2-TI2V-5B e o Wan2.1-I2V-14B.
For a developer, the immediate gain is a shorter path from a rough prototype to something that looks finished. A studio or a solo maker could test a scene's look before building its art, and researchers get weights they can modify. The limits are just as concrete. VAST says EdenLive currently suits low-frequency interaction, such as scene walkthroughs and box-pushing puzzles. Fast, intense gameplay, keeping several characters consistent, fine control of small objects and visual consistency over long runs still need work. The licences also draw a line: the vision encoder follows the DINOv3 licence, and the image model behind the prompt-to-game workbench is under the FLUX Non-Commercial License, so that workbench is for non-commercial use only. Commercial teams should check each component before building on it.
Para um programador, o ganho imediato é um caminho mais curto desde um protótipo grosseiro até algo com aspeto acabado. Um estúdio ou um criador a solo pode testar o visual de uma cena antes de construir a sua arte, e os investigadores ficam com pesos que podem modificar. Os limites são igualmente concretos. A VAST diz que o EdenLive se adapta, por enquanto, a interações de baixa frequência, como percursos por cenas ou puzzles de empurrar caixas. A ação rápida e intensa, a manutenção da consistência de várias personagens, o controlo fino de objetos pequenos e a consistência visual em execuções longas ainda precisam de trabalho. As licenças também traçam uma linha: o codificador de visão segue a licença do DINOv3, e o modelo de imagem por trás da bancada de jogos gerada a partir de texto está sob a FLUX Non-Commercial License, pelo que essa bancada é apenas para uso não comercial. As equipas comerciais devem verificar cada componente antes de construir sobre ele.