小米 WorldCast 落地 REDMI K100:一张静态照片就能生成 3D 运镜视频

一张普通的平面照片,能不能像被真实摄像机环绕拍摄那样动起来? 小米给出的答案是可以。11 月 4 日, 小米技术官方披露, 刚于 10 月 27 日发布的 REDMI K100 在影像上新增了“3D 运镜”玩法: 用户只需从相册里选一张静态照片,AI 就能生成一段带有明显空间感的运镜视频。

📌 功能怎么用: 相册里的“虚拟摄制组”

按官方描述,整个操作路径很短——选图、生成, 不需要手动打点, 也不需要先建三维模型。生成结果中, 镜头可以完成环绕、推拉、倾斜等幅度较大的运动, 而画面里人物的五官、发型、衣着在运动中保持稳定一致。

这恰恰是此类玩法的难点所在: 镜头一旦“动起来”,人脸很容易漂移 , 衣服细节也容易走样。 人物一致性与大角度机位变化能够同时成立, 才是 3D 运镜真正可用的门槛。

🔍 技术底座:WorldCast 做了什么

支撑这项功能的是小米在近期公开论文中提出的视觉生成框架 WorldCast。它的思路大致可以拆成两步:

• 先解读画面的深度结构, 把二维照片还原成具有空间层次的三维场景;
• 再在这个场景里虚拟出一条接近真实拍摄的相机轨迹, 让画面沿这条路径运动。

官方给出的框架总览,把这一过程概括为“轨迹对齐的几何引导”与“几何对齐的多视角角色记忆”两条线索的结合: 前者负责镜头运动合乎空间逻辑, 后者负责主角在多视角下不“变脸”。

💡 比功能本身更重要的, 是沉淀下来的底座

小米技术方面称,WorldCast 是其在可控视觉生成方向上的又一次突破, 意义不只在于给相册增加一种玩法, 更在于把方法、数据集和评测方式一并沉淀了下来。

换句话说,3D 运镜更像是这套框架的一次公开验证。对手机厂商而言, 把论文级的能力快速落到消费级产品上, 本身就是工程能力的体现; 而数据集与评测标准的积累, 往往决定后续迭代能走多快。

📊 接下来值得关注的三点

• 运镜形态: 官方表示会继续探索更复杂的镜头运动, 目前可用的环绕、推拉、倾斜只是起点。
• 连续生成: 更长的视频时长, 对一致性和算力都是双重考验。
• 可控 4D 视频生成: 在三维空间之上叠加时间维度, 是这条技术路线的下一站。

🚀 总结

对普通用户来说,3D 运镜是一个门槛低、效果直观的新玩法; 对小米来说,WorldCast 更像是其在生成式视觉领域的一次技术展示。功能最终好不好用, 还要看实机生成的成功率与画质表现, 但方向已经比较清楚: 手机影像的竞争, 正在从“拍得清”延伸到“拍完之后还能怎么玩”。