NVIDIA dévoile SANA-WM : un modèle pour des vidéos de 60 secondes en 720p sur un seul GPU

NVIDIA a dévoilé SANA-WM, un modèle de monde ouvert pour la génération de vidéo avec contrôle de la caméra. Le modèle crée des vidéos de 60 secondes en 720p avec un contrôle 6-DoF précis et peut fonctionner sur une seule RTX 5090.

Comment fonctionne SANA-WM

SANA-WM est ce qu'on appelle un world model, un simulateur du monde physique. Plutôt que de simplement assembler des images en vidéo, le modèle apprend comment le monde physique réagit aux actions : si vous tournez la caméra vers la gauche, les objets dans le cadre bougent correctement. Le modèle compte 2,6 milliards de paramètres et a été entraîné sur 64 GPU H100.

Principales fonctionnalités de SANA-WM :

• Génération de vidéos de 60 secondes en 720p (1280×720)
• Contrôle précis de la caméra via 6-DoF (position et orientation)
• Fonctionne sur une seule RTX 5090, sans services cloud
• Code source ouvert pour l'expérimentation et l'adaptation
• Prise en charge du passage à l'échelle : de la recherche scientifique à la production

Pourquoi c'est important pour les créateurs vidéo

Avant SANA-WM, les générateurs vidéo étaient soit des services cloud (coûteux), soit exigeaient du matériel spécialisé. SANA-WM change la donne : il fonctionne en local, rapidement et sans abonnement. Un studio peut générer des scénarios vidéo, des visualisations image par image et des brouillons en quelques minutes, sans dépendre du cloud.

Pour les réalisateurs et les animateurs, c'est la possibilité de tester rapidement une idée de plan visuel. Pour les artistes 3D, c'est un moyen d'automatiser les transitions de caméra dans des scènes complexes. Pour les spécialistes du marketing, c'est une façon de générer rapidement une vidéo promotionnelle avec la dynamique de mouvement et les angles de vue voulus.

Ce que cela signifie

SANA-WM symbolise le passage des générateurs vidéo dans le cloud aux outils locaux. Comme les GPU ont autrefois rendu le rendu 3D accessible sur chaque ordinateur, les world models commencent à rendre la génération vidéo accessible. Pour l'industrie, cela accélère l'adoption de l'IA dans les processus créatifs, non pas parce que les modèles seraient soudain devenus beaucoup plus intelligents, mais parce qu'ils fonctionnent désormais partout.