nano-world-model：视频生成器 — 功能与运行要求

nano-world-model 是一个开源视频生成器，作者将其定位为用于世界模型研究的极简工具集。该仓库面向的任务不是单纯生成视频画面，而是使用能够预测场景演变的模型，包括用于规划和机器人控制。

功能

据作者描述，该项目是“一个自带电池的极简仓库，用于推进世界模型科学”。仓库标签中列出：

• 视频生成与流式视频；
• 扩散模型与 diffusion-forcing；
• 模型预测控制；
• 规划；
• 机器人操作。

作者没有给出所支持的生成场景的详细列表，也没有说明视频时长和分辨率的限制。该仓库所引用的模型与 point-maze 任务相关，这表明它处理的是轨迹和空间场景，而不是任意文本描述的剧情。

运行要求

代码使用 Python 编写，基于 PyTorch 库。代码许可证为 MIT。据作者描述，运行需要 CUDA 平台；文档中提到了“CUDA wheels 和所有依赖”，并指向环境配置章节。

权重文件占用 0.6 GB——这是模型所有文件的总体积，最大的单个文件同样为 0.6 GB。模型托管在 Hugging Face 上。作者没有说明显存的最低要求，也没有指定 CUDA 和 PyTorch 的具体版本。

适合谁

该项目主要面向从事世界模型、扩散模型和强化学习的研究人员。对于需要紧凑的开源代码，在规划和机器人技术背景下进行视频生成实验，而非现成用户工具的人来说，它会很有用。

对于寻找具有完善界面、能在任意剧情上提供可预期质量的文本描述视频生成器的人来说，这个仓库很可能并不合适：作者并未将其描述为应用型服务，而是把重点放在研究的极简性和处理特定类别任务上。

nano-world-model 是一个开源研究项目，为世界模型实验和规划任务中的视频生成提供了起点。它的价值不在于用户场景的广泛性，而在于代码的可得性，以及研究和修改作者所采用方法的可能性。