Devotd Github
新着マルチモーダル

ziplab/ATAS — 世界状態中心のエージェント動画生成の初公開

ziplab/ATAS は、台本をショット要求にコンパイルし、持続する一つの世界状態を維持する MIT ライセンスの動画生成フレームワークで、2026 年 10 月 15 日の初期コミットとして公開された。

リポジトリ情報ziplab/atas ↗

ziplab/ATAS は、台本をショット要求にコンパイルし、持続する一つの世界状態を維持する MIT ライセンスの動画生成フレームワークで、2026 年 10 月 15 日の初期コミットとして公開された。

GitHub の説明: Any Time, Any Space: A World-State-Centric Framework for Agentic Video Generation

スター
★ 259
フォーク
14
言語
Python
ライセンス
MIT
原文を見る ↗GitHub で見る ↗

ziplab/ATAS は、台本 1 本を複数のショットに分割して作り、そのショット들이共有する一つの世界状態(world state)を維持する動画生成フレームワークだ。リポジトリの説明は「Any Time, Any Space: A World-State-Centric Framework for Agentic Video Generation」となっている。2026 年 10 月 15 日に最初のコミット b86aab0 で公開され、その 1 回のコミットで 84,958 行が追加された。

構造は 4 つの軸に分かれている。World-State Compiler は台本を、シーン・カメラ・時刻・イベントが明示されたショット要求に変換する。Scene Memory はあらゆる場所の静的形状を単一の共有座標系に収め、どの時点でも再び見せられるようにする。Event Memory は時間とともに変化する観測をシーン・イベント・時刻で索引付けし、過去のシーンを新しいアングルで撮り直すことを可能にする。Validated Updates は、生成されたショットを復元・位置合わせ(registration)・検証したうえでなければ世界状態を変更できないようにする。

実行は Python 3.12 を前提とする。クライアントは GPU なしで動作する一方、ジオメトリ(geometry)サービスは NVIDIA GPU と約 20GB の空きメモリを必要とし、Pi3X と SAM3 の重みを別途取得しなければならない。クライアント側には ffmpeg や DASHSCOPE_API_KEY のようなキーが必要で、同じコマンドを再実行すると、すでに課金対象の生成結果に対して重複課金が発生せず続きから進行する。`--memory none` を使えば世界状態なしで実行することもでき、bookstore・clockshop・record のサンプルスクリプトも同梱されている。

ただし最初のコミットであるため、リリース履歴やバージョンの記載はない。README の結果はすべて画像で、1–5 段階の人の評価(マルチショット基準との比較)、空間の再訪とイベントの撮り直し、メモリ構成別の実行時間のグラフが示されているだけで、テキストで示された数値はない。GPU 20GB 環境、API キー、別途の重みのすべてが必要という状態だ。MIT ライセンスで公開された範囲だけを見ると、複数のショットがつながる動画を作る実験の出発点に近いだが、現時点で数字で品質を判断するのは早い。