Orbis change le cours d’une vidéo sans interrompre sa diffusion

Visko lance Orbis 1.0, un modèle capable de produire un flux vidéo continu, de conserver une mémoire compressée de la scène et d’intégrer de nouvelles instructions pendant sa diffusion.

La scène est déjà en cours lorsque l’utilisateur décide d’en modifier la suite. Une nouvelle instruction est envoyée, le décor se transforme et l’action prend une autre direction sans recommencer la génération depuis le début. C’est le principe d’Orbis 1.0, le premier modèle commercial de Visko consacré aux vidéos interactives de longue durée.

La plupart des modèles vidéo produisent un résultat délimité. L’utilisateur envoie une instruction ou une image, attend le calcul, puis récupère un clip terminé. Toute modification impose généralement une nouvelle génération ou une opération de montage.

Orbis remplace ce fonctionnement par un processus continu. La vidéo est construite et diffusée par fragments successifs. Une nouvelle instruction peut être transmise pendant son déroulement, puis appliquée à la prochaine partie encore non produite.

Visko appelle cette catégorie les « Live Models ». L’expression ne désigne pas uniquement un modèle rapide. Elle décrit un système qui conserve un état entre deux fragments, continue de fonctionner dans le temps et accepte des interventions sans réinitialiser toute la session.

Le terme « monde » employé par l’entreprise demande toutefois une précision. Dans sa version actuellement accessible, Orbis fournit avant tout un flux vidéo accompagné d’une piste sonore. L’API publique ne livre ni géométrie 3D, ni carte complète de l’environnement, ni état détaillé des objets comparable à celui d’un moteur de jeu.

Le spectateur peut donc observer et orienter un monde généré, mais il ne reçoit pas encore un espace tridimensionnel directement explorable ou modifiable. Les démonstrations donnent l’impression d’un environnement vivant, tandis que l’interface technique reste organisée autour d’une succession continue d’images et de sons.

Orbis accepte une instruction textuelle seule ou accompagnée d’une image de référence. Cette dernière fixe le premier fragment et aide à conserver la composition, le sujet ou l’apparence générale pendant la suite de la session.

Le rapport technique d’Orbis 1.0 mentionne également la continuation depuis une vidéo existante. Cette entrée video-to-video fait partie du modèle présenté par Visko, mais elle n’apparaît pas encore dans l’interface publique documentée par Reactor, qui expose principalement le texte et l’image.

Les nouvelles instructions ne modifient jamais ce qui a déjà été diffusé. Elles influencent uniquement les fragments suivants. Le système peut ainsi transformer progressivement une forêt en environnement enneigé, faire entrer un personnage ou détourner une action sans introduire volontairement une coupe franche.

Le flux public est produit par groupes de 33 images correspondant à environ 1,8 seconde. Une nouvelle instruction est prise en compte à la frontière du groupe suivant. La réaction n’est donc pas instantanée au sens strict, même si elle reste suffisamment courte pour permettre une interaction en direct.

Visko rapporte un délai visible moyen inférieur à une seconde dans la configuration utilisée pour son étude. Sur l’API actuelle, la durée réellement constatée peut dépendre du moment où la demande arrive, de la connexion, de la définition choisie et de la charge du service.

La continuité repose sur une mémoire à plusieurs échelles. Les éléments récents sont conservés avec davantage de détails, tandis que les parties plus anciennes sont progressivement compressées. Lorsqu’un passage sort de la fenêtre active, certaines informations sont intégrées à un état de capacité fixe.

Cette méthode évite que le coût de chaque nouveau fragment augmente avec la durée complète de la vidéo. Une session d’une heure ne nécessite pas de relire chacune des images produites depuis son commencement.

La « mémoire persistante » annoncée par Visko ne constitue donc pas une archive parfaite. Le système tente de retenir les personnages, les lieux, le style, les mouvements et les événements importants, mais il ne conserve pas nécessairement chaque objet ou chaque détail de la même manière.

Plus la session se prolonge, plus le modèle doit décider implicitement ce qui mérite d’être gardé. Visko ne fournit pas encore de réglage permettant à l’utilisateur de verrouiller un souvenir, d’inspecter l’état conservé ou de récupérer cette mémoire pour la transférer dans une autre session.

L’expression « génération de durée illimitée » doit être comprise de la même façon. L’architecture ne fixe pas la longueur de la vidéo au moment de son lancement et son coût par fragment reste relativement stable. Cela ne garantit pas qu’un flux puisse fonctionner éternellement sans interruption, dérive ou perte d’informations.

Le rapport documente principalement des comparaisons portant sur des vidéos d’une à trois minutes, ainsi qu’un suivi expérimental d’une heure. Aucun test public ne démontre encore le maintien d’un même monde pendant plusieurs jours, plusieurs semaines ou après une interruption complète de l’infrastructure.

Orbis utilise une construction causale. Chaque fragment est calculé à partir de l’état déjà produit, de la mémoire disponible, de l’instruction active et d’une éventuelle référence visuelle. Le modèle ne peut pas consulter une partie future qui n’existe pas encore.

Visko considère cette progression comme mieux adaptée à la représentation du mouvement et des relations de cause à effet. Un objet tombe en fonction de sa position précédente, puis la situation suivante est calculée depuis ce nouvel état.

L’entreprise ne présente pas pour autant Orbis comme un simulateur scientifique déterministe. Ses mouvements restent générés à partir de données et de scores de cohérence. Un résultat visuellement crédible ne garantit pas le respect exact des forces, des masses ou des propriétés des matériaux.

Pendant le post-entraînement, un autre modèle évalue plusieurs suites possibles selon leur cohérence avec les événements précédents. Cette étape favorise les mouvements et les transformations jugés les plus plausibles, sans fournir les garanties d’un logiciel de simulation conçu