Als ich gestern auf Reddit unterwegs war, fiel mir ein Beitrag von Abhishek Sensharma auf, in dem er sein selbst trainiertes KI-Modell lucidml für interaktive Welten auf Huggingface vorstellt. Es läuft auf einer handelsüblichen NVIDIA GeForce RTX 5090 Grafikkarte (~7.000 €) und erzeugt in Echtzeit einen Videostream im GTA5-Stil mit rund 48 Bildern pro Sekunde bei einer Auflösung von 672×384 Pixel.
Man gibt dem Modell im initialen Prompt ein Bild mit und bewegt sich mit einfachen Tastaturbefehlen durch die sodann erzeugte Welt. Währenddessen lassen sich sogar weitere Prompts wie "jetzt Nacht" eingeben, um die Szene den eigenen Vorstellungen anzupassen.
Wer das selbst mal ausprobieren möchte (auch ohne Grafikkarte) kann das Modell auf seiner Webseite testen.
