ScenesAI
EN申请内测→

ScenesAI

达瓦科技的实时世界模型。从一路摄像头中理解真实空间，按指令改写其中的物体、材质与事件，其余画面保持原样。单张 NVIDIA RTX 显卡实时运行。

点击场景中的椅子、窗帘、花盆或地面

此三维场景由录屏画面与深度估计重建，仅用于演示局部更新；模型实际输出见下方录屏。

未经剪辑的录屏

同一间办公室，63 秒内连续完成 8 次改写。点击缩略图或输入指令，跳转到对应时刻。

00:00:00·本帧变化—

尚未改写

更多改写

第二段录屏，193 秒。

片段均截自同一段录屏，画面中的中文字幕为录屏原有内容。

应用场景

拍实时预演

演员在白色影棚中表演，画面实时重建为雪山草原与海滩。动作与机位来自真实拍摄。

渲场景重建

墙面重建为木质，窗帘自下而上燃烧，地面铺满花瓣并长出樱花树，其余物体保持原位。

播直播换装

主播在普通办公室中表演，角色、服装与园林场景由模型生成，经 NVIDIA NVENC 编码直接推流。

玩道具控制

演员手中生成一把随动作挥舞的光剑，仅对局部画面进行扩散，沙漠与人物保持不变。

工作原理

视频生成每一帧都要重绘整幅画面，稳定的墙面与地面也不例外。ScenesAI 将场景拆解为可独立更新的世界状态，只把发生变化的区域交给生成模型。

视频生成每帧整幅重绘
ScenesAI只更新变化区域
本帧重新生成 100%
本帧重新生成 —
↔

拖动中线对比右侧数值由这段录屏相邻两帧的像素差实时计算。

10–20%

典型场景中每帧的变化区域

40–60%

GPU 消耗降低

3–5×

推理速度提升

对比传统视频扩散方案

一次接触事件的处理过程：人物触碰窗帘

世界状态

空间、人物、相机、光照、材质与物理拆分为可独立查询与修改的变量。

Latent Stage

世界构建与精确控制

  • 34B 参数，每步激活约 4B
  • 目标编辑成功率 98.2%
  • 人物身份保持率 93.3%

Live Stage

实时局部生成

  • 720P · 25 FPS
  • 连续 3,600 帧一致
  • 单张 NVIDIA RTX 显卡

底层由神经物理与神经渲染约束运动、碰撞、重力与材质响应，火光与阴影同步作用于环境。系统基于 CUDA、TensorRT 与 NVENC 构建。

“我们每天都在拍真实的电影和短剧，每一次打光、每一次运镜，都在告诉模型这个世界是如何运转的。世界模型的下一场竞争，属于拥有真实世界过程的团队。”
陈亮，达瓦科技联合创始人

来自真实片场的训练数据

互联网视频只保留最终画面。片场数据同时记录相机运动、演员调度、物体接触以及导演的每一次调整，这些正是实时生成最容易出错的部分。

180TB

结构化世界状态数据

300+

真实商业项目

300+

单场戏标注维度

8.4万㎡

永川全流程数字化科技片场

获奖与发表

申请 ScenesAI 内测

面向影视工作室、直播团队与互动内容开发者。请通过邮件介绍你的场景，我们将安排演示与评估。

申请内测→商务合作