Runway detalló el 5 de noviembre cómo optimizó Characters para generar vídeo durante una conversación. El artículo acompaña a un preprint depositado el día 3 y describe mejoras en un servicio existente. [1]
Cómo sostiene los 24 fps
Para sostener 24 fotogramas por segundo, el sistema necesita producir cuatro fotogramas aproximadamente cada 167 milisegundos. Runway redujo el trabajo repetido en la memoria que conserva información de los segmentos anteriores. En sus pruebas, las optimizaciones redujeron el paso de difusión de 240,9 a 159,3 milisegundos y sostuvieron 24,5 fps con cuatro GPU H100. Una optimización posterior que combina cálculo y comunicación entre GPU redujo ese paso a 147,4 milisegundos. [1]
Cuánto tarda el turno completo
La descodificación de los fotogramas se ejecuta en paralelo en una GPU dedicada. El tiempo de difusión mide una parte del proceso. El preprint reporta una mediana de 2,1 segundos para el turno conversacional completo. [2]
Qué comprobar en la práctica
Para evaluar una conversación, cronometra desde que terminas de hablar hasta que ves y oyes la respuesta. Repite con turnos cortos y largos. Los fotogramas por segundo ayudan a juzgar la fluidez del vídeo, mientras que ese intervalo mide la espera que nota quien conversa. El artículo técnico citado no fija disponibilidad nueva por país.