6.3
深览指数
科技量子位··AI 生成
我把昨晚的梦输入AI，它居然直接把我拉进去玩儿了一把？！
本文以第一人称体验视角，详细介绍了阿里ATH团队推出的世界模型产品「HappyOyster 1.0」。该产品区别于传统文生视频的「单向生成不可交互」模式，主打「实时构建和交互的开放式世界」，支持用户以角色身份进入世界漫游（Adventure模式）或以上帝视角实时导演剧情（Directing模式）。作者通过大量实操体验，展示了实时动作反馈、角色一致性、剧情回溯与分支叙事等核心能力，并解释了其背后的闭环世界状态建模、内生一致性、开放因果动作空间等技术原理。文章最后展望了世界模型在游戏、互动内容、文旅等行业的应用前景，本质是一篇融合了产品评测与技术科普的深度介绍文章。原文 ↗
核心观点
- ▍HappyOyster 1.0的核心创新是构建了一个「可实时交互与持续演化」的开放世界模型，而非传统的单向生成视频，标志着AI生成内容从「单程票」走向「双向实时交互」的新路线。
- ▍产品通过「Adventure」（世界探索）和「Directing」（实时导演）两种模式，满足了用户「作为主角进入世界」和「作为导演操控叙事」两种不同的创作与体验需求。
- 01在Adventure模式下，用户输入一张吉卜力风格图片后，即可扮演角色，使用加速、跳跃、攻击等按键实时探索世界，模型根据用户操作实时推演角色动作与物理反馈（如跳跃时的屈膝和镜头变化）。
- 02场景中的元素可自动匹配交互方式，如画面中有马车即可解锁「骑马」操作，有汽车则可实现开车灯、鸣笛，实现了「画面有什么，就能玩什么」的智能交互。
- 03Directing模式支持「回溯」和「剧情分支」功能，用户可在时间线上回到任意节点输入不同指令，分支出多条故事线，且所有操作均为流式生成，无需等待渲染。
- 04在实时导演测试中，输入「两人在舞台上激烈争吵」的起始prompt，运行20秒后输入「突然释怀，紧紧拥抱」，模型能瞬间转换角色情感和动作，且角色外貌、服装、体态全程保持一致。
- 05技术原理上，HappyOyster 1.0通过「闭环世界状态建模」（将世界状态压缩为隐状态摘要递归传递）实现长程一致性，支撑了暂停、回溯、分支等交互功能。
- 06「内生一致性」技术通过为每个角色和场景元素生成「身份卡」，在生成过程中持续进行注意力参考，从根本上解决了传统文生视频中「主体漂移」（人物换脸、衣服变色）的痛点。
- 07「开放因果动作空间」将自然语言与动作指令统一为语义接口，模型可自行推演「骑马」「上车」等复杂因果动作序列，无需人工预设。
- 08HappyOyster团队正牵头与南京大学共建世界模型评测基准，旨在为这个新兴技术赛道建立系统性的量化评估标准。
反方 / 局限
- — 文章完全从产品推介和体验赞美的立场出发，未提及任何技术局限、失败案例或潜在风险，例如模型在高复杂场景下的实时算力消耗、长时序交互中可能出现的逻辑bug、以及对大量用户并发接入的可靠性问题。
HappyOyster 1.0阿里ATH世界模型Sora南京大学Adventure模式Directing模式Latent State
11 分钟 · 4 卡片 · 10 资料
读原文 →