# Bước chuyển từ mô hình video sang thế giới tương tác thời gian thực

Đăng ngày: 2026-09-29

Thế giới mô hình tạo hình ảnh và video đang bước qua một cột mốc mới khi Runway, công ty vừa đạt định giá 5,3 tỷ USD sau vòng gọi vốn 315 triệu USD hồi tháng 2, tung ra bản thử nghiệm GWM Worlds 2. Nếu phiên bản GWM Worlds đầu tiên ra mắt tháng 12 năm ngoái chỉ dừng ở mức tạo video cơ bản, thì phiên bản mới này đánh dấu sự xuất hiện của WorldPrompt, một định dạng đầu vào cho phép người dùng định hình môi trường, cố định khung hình đầu tiên và đưa vào các chuỗi sự kiện theo mốc thời gian thực. Bằng cách điều khiển nhân vật hay góc quay bằng ngôn ngữ tự nhiên thay vì lập trình dòng lệnh như Minecraft hay Roblox, hệ thống này đưa việc sinh video và âm thanh đồng bộ ở chuẩn 720p, 24 khung hình trên giây và tần số âm thanh 48.000 Hz trở thành trải nghiệm tương tác trực tiếp. Để đạt được tốc độ phát thời gian thực, Runway kết hợp cơ chế khuếch tán tự hồi quy với các kỹ thuật chưng cất mô hình. Thay vì tạo ra toàn bộ đoạn phim cùng lúc như các công cụ truyền thống, GWM Worlds 2 sinh từng khung hình một dựa trên dữ liệu ngay trước đó. Đồng sáng lập Anastasis Germanidis cùng Giám đốc Công nghệ Kamil Sindi chia sẻ rằng quá trình chưng cất giúp giảm số bước khử nhiễu từ khoảng 50 bước xuống chỉ còn 4 bước, qua đó giảm tối đa độ trễ. Dù vậy, rào cản kỹ thuật lớn nhất nằm ở sự tích tụ lỗi, khi một sai sót nhỏ ở khung hình trước sẽ nhân bản và làm biến dạng các khung hình sau. Bên cạnh đó, bài toán quản lý bộ nhớ GPU khi tạo nội dung vô hạn và khả năng ghi nhớ dài hạn vẫn là những thách thức chưa có lời giải triệt để, điều mà ngay cả các đối thủ như Genie 3 của Google DeepMind với khả năng duy trì tương tác vài phút hay RTFM của World Labs cũng đang phải đối mặt. Một điểm cốt lõi khác nằm ở năng lực sinh kết quả phản thực tế và tính nhân quả trong môi trường mô phỏng. Nhà nghiên cứu Robin Kahlow chỉ ra rằng do dữ liệu huấn luyện video trên mạng chứa nhiều cảnh quay thành công hơn thất bại, điển hình như các pha sút bóng vào lưới, mô hình dễ bị lệch khi mô phỏng các hành động thất bại. Runway hiện phải áp dụng các bài kiểm tra xác minh tự động để đánh giá tính nhân quả khi người dùng nhập cùng lúc nhiều prompt và nhiều nhân vật. Khác với tư duy game truyền thống dựa trên các trạng thái dữ liệu có cấu trúc, GWM Worlds 2 buộc các hệ thống AI phải quan sát thế giới hoàn toàn qua điểm nhìn hình ảnh và âm thanh thu được từ camera, giống hệt cách con người tiếp nhận thực tại. Theo góc nhìn của tôi, giá trị lớn nhất của mô hình thế giới thời gian thực không nằm ở ngành công nghiệp giải trí đơn thuần, mà nằm ở hạ tầng cho trí tuệ nhân tạo thế hệ tiếp theo. Khi tích hợp cùng các mô hình lập luận để lên kế hoạch kịch bản trước khi đưa qua đầu phát khuếch tán để dựng điểm ảnh, Runway tạo ra môi trường thử nghiệm khổng lồ cho robot tự hành và các tác vụ AI agent. Việc có thể tạo ra hàng nghìn môi trường mô phỏng giá rẻ để huấn luyện agent hoặc tạo dữ liệu tổng hợp sẽ giải bài toán thiếu hụt dữ liệu thực tế. Chúng ta đang chứng kiến bước chuyển dịch quan trọng: từ những công cụ AI chỉ biết vẽ tranh hay làm clip ngắn, sang các hệ điều hành mô phỏng thực tại, nơi máy tính không chỉ phản hồi câu chữ mà đang học cách vận hành cả một quy luật vật lý ảo.

Canonical: https://www.tungpham.vn/blog/buoc-chuyen-tu-mo-hinh-video-sang-the-gioi-tuong-tac-thoi-gian-thuc