Runwayは、Modalと提携し、Modalのサーバーレスコンピューティングプラットフォームを採用して、最新製品であるRunway Charactersのリアルタイム推論を支えることを発表しました。Runway Charactersは、リアルタイムビデオエージェントAPIであり、開発者、スタートアップ、企業、消費者が完全にカスタマイズ可能な対話型デジタルキャラクターを構築できるようにします。これらのビデオエージェントは、任意の外観やビジュアルスタイルを持ち、声、性格、知識、行動を完全に制御できます。この技術は、Runwayの汎用世界モデルGWM-1に基づいており、1枚の画像から表現力豊かなデジタルペルソナを生成し、微調整は不要です。
現在、数千の組織がCharactersを利用しており、フォーチュン10のテクノロジー企業、主要なハリウッドスタジオ、世界的な広告代理店、ゲーム会社などが含まれます。ユースケースは、カスタマーサポート、内部トレーニング、体験型広告、没入型ゲームワールドなど多岐にわたります。Charactersは、テキストではなくリアルタイムビデオを中心としたオンラインインタラクションの未来への第一歩を示しています。
このような継続的で表現力豊かで低レイテンシなビデオ生成を、長時間の会話や体験にわたって維持するには、リアルタイムインタラクション専用に構築されたインフラストラクチャが必要です。Modalのサーバーレスコンピューティングプラットフォームは、まさにこのタイプのワークロード、つまりGPU集約型でレイテンシが重要で需要の変動が大きいもの向けに設計されています。Modalが提供するイテレーション速度により、Runwayのチームは概念実証から本番環境まで30日未満で移行できました。
「リアルタイムビデオ推論は、バッチ生成とは根本的に異なるエンジニアリング上の課題です。特に、顧客がこれらの体験をグローバルに実行している場合です」とRunwayのCTOであるKamil Sindi氏は述べています。「Runway Charactersは、会話の全期間にわたって安定した低レイテンシを維持する必要があります。表情、リップシンク、ジェスチャーなど、パフォーマンスの低下は許されません。Modalのインフラストラクチャは、すべてのグローバルリージョンで本番スケールで出荷するために必要なパフォーマンスと信頼性を提供してくれました。」
リアルタイムインタラクションに必要なレイテンシを達成するには、複数のGPUに推論を分散し、ノード間で高帯域幅の通信を行う必要があります。Modalに1行のコードを追加するだけで、RunwayはコンテナをRDMAネットワークを備えたマルチノードGPUクラスタに変換し、すべてのリージョンで即座に利用できるようにできます。Modalはこれらのワークロードを地理的に単一の統合プールとして展開し、ユーザーの近くにルーティングしてオンデマンドでスケールするため、Runwayは事前プロビジョニングやリージョナルインフラの直接管理なしで、どこでもユーザーにサービスを提供できます。
「Runwayは、ワールドモデルで可能なことの限界を押し広げています。これには、複雑なモデルを大規模かつ非常に低いレイテンシで実行する必要があります。これはModalが非常に得意とする分野です」とModalのCEOであるErik Bernhardsson氏は述べています。「私たちはCharactersを支えるインフラストラクチャを提供できることを誇りに思います。」
Runway Charactersは、開発者と企業向けにdev.runwayml.comで、消費者向けにrunwayml.comで現在利用可能です。エンタープライズチームは、カスタムアバター体験を大規模に展開する方法について詳細を知りたい場合は、お問い合わせください。