Runway video üretiminde bekleme süresini kaldırıp anlık canlı akış modeline geçişi araştırıyor

Runway, yapay zekâ video üretimini önceden oluşturulmuş video kliplerini beklemek yerine kullanıcı girdisiyle eş zamanlı ilerleyen bir canlı yayına dönüştürmeyi hedefleyen araştırma yaklaşımını paylaştı. Günümüz video modellerinde kullanıcı bir metin komutu girip saniyeler veya dakikalar boyunca sonucun üretilmesini bekliyor; elde edilen görsel sonuç istenen nitelikte olmadığında ise tüm sürece baştan başlamak gerekiyor. Şirket, kullanıcıların en çok üretim ve revizyon döngülerinde vakit kaybettiğini belirterek, ilk kareye ulaşma süresini en aza indirmeyi ve ardından kullanıcı yeni komutlar verdikçe videoyu kesintisiz bir akış halinde sürdürmeyi amaçlıyor.

Bu yaklaşımın temeli, şirketin Aralık 2025'te tanıttığı ve Gen-4.5 altyapısı üzerine kurulan ilk genel dünya modeli GWM-1'e dayanıyor. Standart difüzyon modelleri tüm videoyu belirli adımlar boyunca gürültüyü aşamalı olarak temizleyerek tek seferde oluştururken, GWM-1 her kareyi geçmiş kareleri ve kontrol girdilerini bağlam alarak ardışık biçimde üretiyor. Model bu sayede kamera hareketlerini, robot komutlarını veya sesleri doğrudan birer kontrol mekanizması olarak kabul edebiliyor. Runway, Gen-4.5 ile kullanıcı arayüzlerini kare kare üreten ve tıklamalara ya da sesli komutlara anında yanıt veren Solaris sistemini göstererek aynı mimarinin farklı kullanım senaryolarını test etmişti.

Gerçek zamanlı video üretiminin en kritik teknik engeli, ardışık kare üretiminde küçük görsel hataların zamanla büyüyerek büyük bozulmalara yol açmasıdır. Bir dil modeli cümlenin ortasında kendi bağlamını düzeltebilirken, video modellerinde üretilen her yeni kare doğrudan bir önceki kusurlu karenin üzerine inşa ediliyor. Runway, bu sorunu aşmak için modeli yalnızca hatasız verilerle değil, kendi ürettiği hatalı çıktılarla da eğitiyor; böylece sistem sapmaları büyütmek yerine onları telafi etmeyi öğreniyor. Benzer bir eğitim yaklaşımı Decart tarafından MirageLSD modelinde denenirken, Google Deepmind da Genie 3 dünya modelinin 720p çözünürlükte saniyede 24 kare hızındaki etkileşimli dünyaları dakikalar boyunca tutarlı tutabildiğini açıklamıştı.

Üretim hızının artması aynı zamanda işlemci maliyetlerini de doğrudan etkiliyor; çünkü daha hızlı sonuç üreten modeller daha az grafik işlemci zamanı harcayarak çıktı başına maliyeti düşürebiliyor. Ancak modelin paylaşımlı donanımlarda birden fazla oturumla aynı anda çalışırken oynatma hızına kesintisiz yetişmesi gerekiyor. Runway, bu teknolojinin yalnızca yaratıcı içerik üretiminde değil; eğitim, oyun ve özellikle robotik ile otonom araç simülasyonlarında kullanılacağını belirtiyor. Nitekim Waymo da Genie 3 tabanlı dünya modelini kullanarak otonom sürüş filosunun gerçek yollarda hiç karşılaşmadığı fırtına, sel ya da beklenmedik engelleri sanal ortamda simüle ediyor.

Runway, Mart ayında Nvidia'nın GTC konferansında Vera Rubin platformu üzerinde çalışan ve ilk kareyi 100 milisaniyenin altında sunmayı hedefleyen bir önizleme sergilemişti. Bu mimari gecikmeyi azaltarak doğrudan yönlendirilebilen görsel ortamlar vadediyor; ancak gerçek zamanlı video modelinin son kullanıcılara veya geliştiricilere ne zaman genel erişime açılacağı konusunda şirket tarafından henüz bir takvim duyurulmadı.

Neden önemli?Gecikmenin azalması üretim maliyetlerini düşürürken, teknolojinin video düzenlemenin ötesine geçerek robotik simülasyonları ve otonom araç eğitiminde doğrudan kullanılmasına kapı aralıyor.

Şu ana kadar bildiklerimiz

• Runway'in geliştirdiği sistem, tüm videoyu tek seferde oluşturan difüzyon modelleri yerine geçmiş kareleri ve girdileri temel alarak kare kare üretim yapıyor.
• Oto-regresif video üretiminde küçük hataların birikerek bozulmaya dönüşmesini önlemek amacıyla model, kasıtlı olarak kendi hatalı çıktılarıyla eğitiliyor.
• Nvidia GTC etkinliğinde Vera Rubin üzerinde gösterilen önizleme modelinin ilk kareyi 100 milisaniyenin altında üretmesi hedeflenirken genel çıkış tarihi açıklanmadı.

Cevabı beklenen sorular

• Gerçek zamanlı video akışı mimarisinin bağımsız geliştiriciler ve genel kullanıcılar için ne zaman erişime açılacağı henüz bilinmiyor.
• Birden fazla oturumun paylaştığı sunucu donanımlarında yüksek çözünürlüklü üretimin işlemci maliyetini ne ölçüde karşılanabilir kılacağı belirsizliğini koruyor.