HelixWorld 1.0 把视频、立体声和用户移动放进同一个实时生成循环。公开预览版支持浏览器探索，开源代码则把运行门槛落到了 Linux、CUDA 和大显存 GPU。
24 FPS
官方演示规格。
48 kHz
双声道音频。
80 GB
推荐显存。
原帖视频片段：用户在多个生成场景中移动、转向，并通过提示词面板改变场景描述。
从“看视频”变成“走进视频”。
Noiz AI 发布 HelixWorld 1.0，并同时给出 GitHub 仓库和浏览器 Demo。帖子列出的交互方式很具体：用 WASD 移动，用方向键转动视角，在探索过程中修改提示词。用户可以沿着生成路径继续行动，而不只观看固定时长的片段。
视频画面里，用户先看到带有 “Stage” 字样的场景选择界面，随后进入第一人称视角。画面下方保留键盘控制区，中央提示框显示场景描述，右下角有 “Send” 按钮。这个界面把“生成什么”和“怎么移动”放在同一条操作链里。
视频关键帧：场景选择界面中央显示 “Stage”，周围排列多个缩略图。
模型如何绑定视觉与声场。
GitHub README 将 HelixWorld 定义为实时交互式音视频世界模型。它的输入包括一张图像和提示词，用户向前走或转身时，画面与声音同步更新。项目把音频生成放进交互链路，空间声场会随着摄像机方向变化。
仓库给出的机制线索包括连续的 6-DoF 摄像机位姿。
视频分支使用 Projective Relative Positional Encoding，把视角变化编码进生成过程。
跨模态注意力负责把视觉几何和声学特征绑定起来。视角改变后，模型同时重算眼前的画面和耳边的声音方向。
官方展示的第一人称场景包括罗马竞技场里的两只老虎，以及暴雨淹没的城市街道。画面中的控制键、提示词文本和场景变化共同说明，这套系统的重点落在“可探索”三个字上。
视频关键帧：第一人称画面中出现两只老虎，左下和右下分别显示移动与视角控制键。
开源了代码，门槛仍在硬件。
HelixWorld 的公开仓库采用 Apache 2.0 许可证，并提供 Preview v1 的安装和推理入口。
README 写明，预览版面向 Linux、Python 3.11 和 CUDA 12.x。项目推荐使用带 80GB 显存的 NVIDIA GPU。
项目给出的单卡示例是 NVIDIA H800，768×512、24 FPS 下的实时因子为 0.77，包含视频与音频解码。
这组条件决定了它当前更适合研究者、图形开发者和有 GPU 资源的团队。普通用户可以先在 helixworld.org 体验交互流程。
想在本地运行 Preview v1，需要准备 CUDA 环境、模型文件和约 70GB 的运行显存。浏览器 Demo 降低了体验门槛，开源推理链仍保留硬件门槛。
视频关键帧：暴雨中的城市街道出现积水、车辆和倒伏的树木，画面下方仍保留移动控制区。
它把生成模型的输出单位改成了一段可继续行动的空间。
传统视频生成更容易被理解为“给出一段片段”；HelixWorld 的公开演示把输入、动作、视角和声音连成了连续过程。
对做游戏原型、沉浸式叙事或交互式视觉实验的人来说，先看的指标也随之变化。
场景要保持结构，转向时声音要跟随空间变化，提示词修改后系统还要继续响应。
目前公开材料已经展示了交互入口、代码和预览模型，也给出了本地运行条件。它还没有因此变成可直接替代游戏引擎、资产制作和工程部署的完整工具链。
公开演示已经让生成内容承担“可移动、可转向、可听见”的空间关系。
SOURCES。
Noiz AI X 发布帖。
HelixWorld GitHub README。
HelixWorld 官方 Demo。