阿里发布世界模型HappyOyster,与谷歌Genie3展开正面竞争

在人工智能领域,世界模型正成为下一个技术高地。近日, 阿里巴巴正式发布世界模型产品 HappyOyster(快乐生蚝), 支持用户实时构建可互动、可演绎、可探索的 AI 数字世界。这是继视频生成模型 HappyHorse 之后, 阿里 ATH 创新事业部在 AI 领域的又一重磅发布。

📌 世界模型的技术突破

相比大语言模型相对成熟的架构,世界模型仍属于前沿探索领域 。HappyOyster 基于原生多模态架构构建, 支持多模态理解与音视频联合生成, 目前已实现漫游(Wander) 和导演 (Direct) 两大核心能力。

与传统文生视频模型“输入提示词—等待渲染—获得成片”的被动流程不同,HappyOyster 采用长时间跨度上的世界演化建模方式。通过学习海量长视频数据以及多样控制信号, 模型能够主动理解空间、物理与因果规律, 预测情节和画面的演变, 实现从“被动生成内容”到“主动模拟世界演化”的转变。

🔍 两大核心功能详解

• 漫游模式(Wander): 用户仅需一句话或一张图, 即可生成具备物理一致性的完整空间。物体位置稳定、场景持久存在, 视角与光照也能跟随第一人称视角持续移动。目前支持长达 1 分钟的连续实时位移与镜头控制, 并支持多样化的风格切换。
• 导演模式(Direct): 这是 HappyOyster 的独家功能。用户能够在视频的任意节点, 通过文字、语音或图像等多模态输入, 随时实现镜头切换、剧情改写、角色调度。系统能生成一个光照、重力、角色动作与场景因果持续演化的世界, 目前支持连续生成 3 分钟以上的 480p 或 720p 实时画面。

值得注意的是,当前漫游与导演两大模式尚未完全打通。未来用户有望在漫游过程中直接与世界深度互动、实时改写场景规则, 真正实现边探索、边创造的无缝融合体验。

💡 国际竞争格局

在国际竞争格局中,HappyOyster 与谷歌的 Genie3 同属于“世界模拟器”流派。谷歌运营着闭源的世界模型 Genie 系列, 已积累较多技术储备。而腾讯已于同日发布并开源混元 3D 世界模型 2.0(HY-World 2.0), 该模型可直接生成可二次编辑的 3D 资产文件, 支持与现有游戏工作流无缝对接。

📊 应用场景与商业化前景

• 游戏领域: 开发者可快速生成可玩原型, 玩家能实时驱动世界演化, 无需预设脚本即可实现动态剧情分支与开放世界探索。
• 影视创作: 导演无需等待漫长的渲染周期, 只需用自然语言描述创意, 系统即可实时生成分镜画面, 并支持在视频的任意节点改变镜头、角色和剧情。
• 文旅与教育: 用户能以第一视角走进名画现场或过往文明, 在交互中探索因果、改写走向, 实现从知识传递到沉浸体验的跃迁。