ByteDance údajně vyvíjí AI model pro prostorové video v reálném čase

ByteDance podle zpráv připravuje systém umělé inteligence pro tvorbu prostorového videa v reálném čase. Nešlo by tedy jen o model, který vygeneruje lineární videoklip od začátku do konce, ale o systém schopný vytvářet digitální prostředí, v němž se lze pohybovat a které reaguje na vstupy uživatele. Bloomberg uvádí, že vývoj osobně dohlíží zakladatel společnosti Zhang Yiming a uvedení by mohlo nastat už příští měsíc. Harmonogram se však může změnit a ByteDance projekt veřejně nepotvrdil. 1

Od Seedance k interaktivním světům

Nový systém má údajně vycházet z Seedance, technologie ByteDance pro generování videa. Seedance 2.0 je multimodální audio-vizuální model: jako vstup přijímá text, obrázky, zvuk i video. Uvádí to samotný ByteDance v materiálu k uvedení modelu.

Zprávy popisují prostorový model jako nástroj pro vytváření interaktivních virtuálních světů pro živé vysílání, krátká dramatická videa a hry. 7 Praktický rozdíl oproti běžnému AI videu je podstatný: scéna by neměla být předem vygenerovanou sekvencí, ale prostředím, které se během používání mění podle pohybu či interakce člověka.

Právě proto se v souvislosti s projektem mluví o světovém modelu (world model). Google DeepMind tímto termínem označuje AI systémy, které simulují vývoj prostředí a dopad akcí na něj. Jeho Genie 3 má z textového zadání vytvářet interaktivní prostředí v reálném čase.

Osobní dohled Zhanga je strategický signál

Podle Bloombergu Zhang Yiming koordinuje práci týmů napříč byznysem ByteDance a směruje do projektu kapacity pro AI i výpočetní výkon. 1 Neznamená to, že firma má hotový produkt ani že je termín vydání závazný. Pokud je však zpráva přesná, přímé zapojení zakladatele ukazuje, že ByteDance projekt nevnímá jen jako další funkci pro tvorbu AI videí, ale jako širší platformní sázku.

Bloomberg zasazuje iniciativu do soupeření s Metou a Alphabetem. Možné využití má sahat od zábavy až po robotiku a autonomní systémy. 1 Interaktivní média mohou být nejbližší komerční aplikací, zatímco technickým cílem je model, jenž dokáže při akcích uživatele udržovat použitelný a souvislý obraz prostředí.

Co se uvádí o výkonu a náhlavních soupravách Pico

Jeden z reportů s odvoláním na osoby obeznámené s projektem tvrdí, že model může vytvářet videostream přibližně rychlostí 20 snímků za sekundu s latencí kolem 0,05 sekundy. Stejný zdroj uvádí, že virtuální svět by mohl reagovat na hlasové pokyny nebo pohyb uživatele headsetu Pico, tedy XR značky ByteDance. 7

Tato čísla je nutné brát s rezervou. Jde o reportované údaje, nikoli o veřejně zveřejněné a nezávisle ověřené výsledky. Pro skutečně použitelný XR produkt by navíc nestačila jen rychlost generování: zásadní by byla stabilita obrazu, prostorová konzistence, spolehlivost připojení, latence mezi pohybem a obrazovou odezvou i cena výpočtů.

Cloudové vykreslování by teoreticky mohlo přesunout část náročných výpočtů mimo headset a snížit nároky na jeho lokální hardware. Z dostupných informací ale nelze vyvozovat, že model zlevní zařízení Pico nebo ByteDance zajistí rozhodující náskok před Metou či Applem. To jsou možné strategické důsledky, nikoli potvrzené vlastnosti produktu.

Možné uvedení v říjnu, nikoli pevný termín

Formulace „už příští měsíc“ vychází z anonymních zdrojů. Bloomberg píše, že se produkt připravuje na možné uvedení, nikoli že by ByteDance oznámil pevné datum. 1 Také další zprávy, které tvrzení přebírají, upozorňují, že se plán může změnit. 8

Dokud ByteDance nevydá oficiální oznámení, je vhodné rozlišovat mezi třemi úrovněmi informací:

• Reportovaný směr: model pro prostorové video v reálném čase, postavený na Seedance.
• Reportované scénáře použití: interaktivní světy pro živý obsah, krátká dramata a hry.
• Neověřené detaily: datum vydání, způsob přístupu, integrace s hardwarem, latence, snímková frekvence a komerční dostupnost.

Širší kontext investic ByteDance do AI

ByteDance má pro rozvoj AI rozsáhlé finanční zázemí, nejde však o rozpočet vyčleněný přímo na tento konkrétní model. Reuters uvedl, že firma získala úvěr ve výši 29,6 miliardy dolarů od téměř 30 bank; podle zdrojů mají prostředky podpořit zahraniční expanzi v AI. Původně měla společnost mířit na 20 miliard dolarů.

Bloomberg zároveň v květnu napsal, že ByteDance zvažuje pro rok 2026 kapitálové výdaje až 70 miliard dolarů na datová centra a další AI infrastrukturu. Jde o reportovaný plánovací strop, nikoli o potvrzenou útratu nebo částku určenou pro prostorový model.

Reporty navazující na informace 36Kr také uvádějí, že ByteDance si stanovil cíl vydat alespoň jeden světový model do konce roku 2026 a poměřovat jej s Google Genie 3. Ani toto nejsou veřejné závazky ByteDance, ale zprávy o interních prioritách.

Proč na tom záleží

AI video už dnes dokáže vytvořit přesvědčivý krátký klip. Interaktivní prostředí ale vyžaduje náročnější soubor schopností: systém musí scénu držet pohromadě v čase a zároveň věrohodně reagovat na vstupy. Právě v tom spočívá příslib i hlavní technická překážka světových modelů.

Pokud by ByteDance uspěl, mohl by propojit generování videa s interaktivní zábavou a rozšířenou realitou. Celému oboru by navíc přibyl silný konkurent k veřejně viditelným projektům Googlu a Mety. Zatím však lze s jistotou říci jen toto: ByteDance zřejmě pracuje na ambiciózním projektu prostorového světového modelu postaveného na Seedance a Zhang Yiming mu podle zpráv věnuje osobní pozornost. Kvalitu v praxi, datum uvedení i skutečný přínos pro Pico teprve musí potvrdit produkt a měřitelné technické výsledky. 17