NVIDIA's SANA-WM maakt videogeneratie op één GPU mogelijk

TL;DR

• Wat: NVIDIA's onderzoeksteam bracht SANA-WM uit, een open-source AI-model dat vanuit één afbeelding een 60 seconden durende 720p-video genereert — op één enkele GPU.
• Waarom relevant: Videoproductie met AI wordt hiermee financieel haalbaar voor kleinere bedrijven; geen duur GPU-cluster meer nodig.
• Wat je ermee kunt: Bekijk of AI-gegenereerde video voor jouw productvisualisaties, trainingsmateriaal of simulaties een optie wordt — de drempel is nu aanzienlijk lager.

Afgelopen week deelde het NVIDIA AI-account op X een aankondiging die mijn aandacht trok: hun onderzoeksafdeling NVLabs heeft een zogenaamd world model uitgebracht dat op één consumentenvideokaart een minuut aan video kan genereren. Ik vind dat interessant, niet zozeer vanwege de technologie zelf, maar omdat het iets zegt over hoe snel de kosten van AI-videoproductie aan het dalen zijn.

Wat is SANA-WM precies?

SANA-WM staat voor Efficient Minute-Scale World Modeling with Hybrid Linear Diffusion Transformer — een hele mond vol. In begrijpelijke taal: het is een AI-model met 2,6 miljard parameters dat drie ingrediënten neemt — een enkele afbeelding, een stukje tekst en een camerapad — en daar een video van 60 seconden in 720p-resolutie van maakt.

Het woord world model klinkt groots, maar het idee is concreet: het model "begrijpt" de ruimtelijke opbouw van een scène en kan de camera daardoorheen bewegen alsof je in een 3D-wereld rondloopt. De technische term daarvoor is 6 degrees of freedom (6-DoF) — je kunt de camera in alle richtingen draaien én verplaatsen, net zoals je met een drone door een ruimte zou vliegen.

Wat mij hier opvalt, is de schaal. Eerdere modellen die dit soort video konden genereren, hadden een cluster van acht of meer professionele GPU's nodig. SANA-WM draait op één enkele GPU. Volgens de benchmarks van het onderzoeksteam genereert een gedistilleerde variant op een RTX 5090 een clip van 60 seconden in zo'n 34 seconden — sneller dan realtime dus.

De techniek in het kort

Ik ga niet te diep de wiskunde in, maar drie ontwerpkeuzes vallen op en zijn de moeite waard om te begrijpen:

Hybride aandacht voor lange video's

Standaard AI-modellen voor video worden exponentieel zwaarder naarmate de video langer wordt. SANA-WM lost dit op met een systeem genaamd Gated DeltaNet: een manier om oudere beelden geleidelijk minder gewicht te geven, zodat het geheugenverbruik niet uit de hand loopt. Vergelijk het met hoe je zelf een vergadering samenvat — je onthoudt de kern, niet elk woord.

Dubbele camerabesturing

Het model heeft twee "takken" voor cameracontrole: een grove tak die de grote bewegingen afhandelt en een fijne tak die zorgt voor nauwkeurige positiebepaling per frame. Het resultaat is dat de camera doet wat je vraagt, met een gemiddelde rotatiefout van 4,5 graden — bijna drie keer nauwkeuriger dan vergelijkbare modellen.

Tweefasige verfijning

De eerste generatie wordt vervolgens opgepoetst door een groter verfijningsmodel. Wat mij betreft een slimme aanpak: het kleine model doet het zware werk snel, het grote model corrigeert visuele afwijkingen. De onderzoekers rapporteren dat visuele "drift" — het langzaam vervagen of vervormen van de beelden — met een factor tien afneemt na deze stap.

Wat betekenen de cijfers?

Laat me een paar vergelijkingen maken die het concreter maken:

De kwaliteit ligt dus dicht bij elkaar, maar het verschil in snelheid en hardware is enorm. Volgens een analyse van Arktop.ai kost een 60 seconden durende clip via een cloud-API tussen de 5 en 20 dollar. Lokaal draaien op een RTX 5090 kost ongeveer een cent aan stroom. Dat is een verschil dat relevant wordt zodra je op enige schaal werkt.

Nu moet ik er eerlijk bij zeggen: een RTX 5090 is op dit moment geen goedkope aanschaf — reken op een adviesprijs rond de 2.000 dollar. Maar als je die vergelijkt met een cluster van acht professionele GPU's, of met maandelijkse cloud-API-kosten, dan verschuift het plaatje.

Waar zou je dit als ondernemer kunnen gebruiken?

Ik wil voorzichtig zijn met beloften, want dit is een onderzoeksproject en geen kant-en-klaar productietools. Maar ik zie een paar denkbare scenario's:

Productvisualisatie. Stel dat je als ondernemer een fysiek product verkoopt — meubels, interieur, vastgoed. Kun je je voorstellen wat het betekent als je van één foto een minuut durende rondleiding kunt genereren? Geen fotograaf, geen videoploeg, geen 3D-modelleur — maar een video die door een kamer "loopt" op basis van een foto en een camerapad.

Trainingsmateriaal en simulaties. Voor bedrijven die werken met ruimtelijke scenario's — denk aan logistiek, bouwplaatsplanning, veiligheidsprotocollen — zou dit type model trainingsomgevingen kunnen genereren zonder dat je een dure 3D-engine hoeft in te richten.

Prototyping voor creatieve bureaus. Een storyboard of concept snel omzetten in een ruwe videoclip, voordat je investeert in daadwerkelijke productie.

Ik benadruk: dit zijn gedachten-experimenten, geen bewezen workflows. Het model is net uit en de praktijk zal moeten uitwijzen hoe robuust het is buiten de testomgeving.

Open source en beschikbaarheid

Een belangrijk detail: SANA-WM is uitgebracht onder een Apache 2.0-licentie. Dat betekent dat de code en modelgewichten vrij beschikbaar zijn — ook voor commercieel gebruik. Het model is gepubliceerd via de NVlabs GitHub-repository en er zijn al integraties beschikbaar voor de diffusers-bibliotheek en ComfyUI, een visuele tool waarmee je zonder programmeerkennis met het model kunt werken.

Ik vind het eerlijk gezegd opvallend dat NVIDIA dit openlijk weggeeft. Het past in een patroon dat we vaker zien: het bedrijf verdient aan de hardware, niet aan het model zelf. Door het model gratis beschikbaar te maken, groeit de vraag naar krachtige GPU's. Slim, maar voor ondernemers ook gunstig — je zit niet vast aan een leverancier of een maandelijks abonnement.

Tot slot

Voor mij is dit vooral een signaal over de richting waarin AI-videoproductie beweegt. Niet zozeer dat dit model morgen je videopijplijn vervangt — daarvoor is het nog te vroeg en te technisch. Maar het feit dat je met één afbeelding, een beschrijving en een camerapad een minuut aan ruimtelijk consistente video kunt genereren op één GPU, dat was een jaar geleden ondenkbaar. De stap van "dit kan in een lab" naar "dit draait op mijn werkstation" wordt steeds kleiner. En dat is, denk ik, waar het voor ondernemers interessant begint te worden.