เกิดอะไรขึ้น
- VAST คือบริษัทเจ้าของ Tripo เครื่องมือสร้างโมเดล 3 มิติด้วยเอไอ งานนี้มาจากทีมวิจัยชื่อ Eden
- ปล่อยโค้ดและน้ำหนักเมื่อ 18 ต.ค. 2026 ตรงกับช่วงหัวค่ำวันเดียวกันตามเวลาไทย
- ให้น้ำหนักมา 2 ขนาด คือ 5B และ 14B ทั้งแบบสร้างทั้งคลิปทีเดียว และแบบทยอยสร้างทีละช่วงเพื่อใช้งานสด
- แถมโค้ดสตรีมภาพแบบเรียลไทม์ หน้าเว็บสำหรับลองเล่น และสกิลที่พิมพ์ไอเดียเป็นข้อความแล้วได้เกมต้นแบบที่เล่นได้จริงแบบหยาบๆ
- โค้ดของบริษัทใช้ไลเซนส์ Apache 2.0
มันทำงานยังไง
- โมเดลรับของ 3 อย่าง คือวิดีโออ้างอิง ภาพเฟรมแรกที่อยากให้หน้าตาออกมาแบบนั้น และข้อความบอกสไตล์
- วิดีโออ้างอิงจะมาจากไหนก็ได้ ทั้งฉาก 2 มิติหรือ 3 มิติที่เอเจนต์เขียนโค้ดสร้างให้ ภาพจากเอนจินเกม หรือคลิปที่อัดหน้าจอไว้
- จุดสำคัญคือแยกหน้าที่กันชัด ตัวเกมยังคุมกติกา การชน หลอดเลือด คูลดาวน์สกิล และสถานะตัวละครเองทั้งหมด ส่วน EdenLive ทำหน้าที่วาดภาพอย่างเดียว
- VAST บอกว่าเรื่องพวกนี้คือจุดที่โมเดลจำลองโลกแบบรับแค่ปุ่มกดแล้วเดาภาพถัดไปทำได้ไม่ดี เพราะต้องจำทั้งกติกาและหน้าตาไปพร้อมกัน
- ฉากเดียวกันจึงเปลี่ยนเป็นหลายสไตล์ได้ แค่เปลี่ยนภาพเฟรมแรกกับข้อความ โดยมุมกล้องและการเคลื่อนไหวยังเหมือนเดิม
เร็วแค่ไหน
- บริษัทบอกว่าสร้างภาพได้ตั้งแต่ 24 เฟรมต่อวินาทีขึ้นไป และสร้างต่อเนื่องได้เป็นนาที ที่ความละเอียด 480P และ 720P
- รุ่น 5B รันที่ 720P ได้บนการ์ดจอใบเดียว บริษัทยกตัวอย่างการ์ดจอเกมมิ่ง RTX 5090
- ถ้าใช้ชุดเร่งความเร็วที่ทำมาให้โดยเฉพาะ รุ่น 5B ทำได้ราว 24.7 เฟรมต่อวินาที ที่ภาพกว้าง 1280 พิกเซล
- ตั้งแต่กดปุ่มจนเห็นภาพตอบสนอง ตอนนี้ยังหน่วงอยู่หลักร้อยมิลลิวินาที
ข้างในสร้างจากอะไร
- ตัวสร้างวิดีโอต่อยอดจากโมเดลวิดีโอโอเพนซอร์สตระกูล Wan ของ Alibaba
- รุ่นใหญ่ 14B ทำภาพที่ 480P ส่วนรุ่นเล็ก 5B ทำได้ถึง 720P
- ใช้ตัวอ่านภาพที่ฝึกต่อจาก DINOv3 ของ Meta ดึงเฉพาะเลย์เอาต์ มุมกล้อง และการเคลื่อนไหวจากวิดีโออ้างอิง แล้วทิ้งสีและผิวสัมผัสเดิมไป
- จากนั้นกลั่นโมเดลหลายขั้นให้เหลือไม่กี่ขั้นต่อช่วง เพื่อให้ทันสร้างภาพสด
อย่าเข้าใจผิด
- ตัวเลขความเร็วทั้งหมดเป็นผลที่ VAST รายงานเอง ยังไม่มีการทดสอบอิสระ
- ไฟล์น้ำหนักทั้งชุดใหญ่ราว 210GB และสภาพแวดล้อมที่ทีมยืนยันว่าใช้ได้คือการ์ด NVIDIA หน่วยความจำ 80GB ตัวเลขบน RTX 5090 ต้องพึ่งชุดเร่งความเร็วเพิ่ม
- หน้าเว็บลองเล่นใช้โมเดลภาพของ Black Forest Labs ช่วยสร้างภาพเฟรมแรก ส่วนนี้ห้ามใช้เชิงพาณิชย์
- แต่ระบบสร้างวิดีโอหลักไม่ได้พึ่งส่วนนั้น
- ตัวอ่านภาพที่มาจาก DINOv3 มีไลเซนส์ของ Meta แยกต่างหาก ใครจะเอาไปทำของขายควรเช็กไลเซนส์ทีละชิ้นก่อน
สรุป
EdenLive ไม่ได้พยายามให้เอไอเป็นทั้งเกมเอนจินและกราฟิกในตัวเดียว แต่ให้โค้ดคุมกติกาแล้วให้โมเดลแค่วาดภาพให้สวย นี่เป็นทางที่คนทำเกมอินดี้ลองต่อได้จริง เพราะแก้กติกาเกมได้ตรงๆ ไม่ต้องเดาว่าโมเดลจะจำอะไรผิด เรื่องที่ต้องดูต่อคือความหน่วงหลักร้อยมิลลิวินาทีจะพอสำหรับเกมที่ต้องกดไวแค่ไหน
แหล่ง: VAST · GitHub · Hugging Face · 18 ต.ค. 2026