阿里发布世界模型HappyOyster，与谷歌Genie3竞争

（文/陈济深 编辑/张广凯）

4月16日，阿里巴巴发布可实时构建和交互的世界模型产品HappyOyster（快乐生蚝）。该模型基于原生多模态架构而建，支持多模态理解与音视频联合生成。目前产品可实现漫游（Wander）和导演（Direct）两大核心能力，用户可以实时构建可互动、可演绎、可探索的 AI 数字世界。同时，用户生成的数字世界，不仅能被完整保存，还能开放给其他用户进行二次创作。据悉，该产品由阿里ATH创新事业部团队研发，与此前爆火的HappyHorse同属一个团队。

相比大语言模型相对成熟的模型架构和技术范式，世界模型仍属于前沿探索领域。阿里的HappyOyster与谷歌的Genie3同属于世界模拟器流派。区别于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，这一流派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，以及文本、动作指令、图像参考等多样控制信号，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，从而把“被动生成内容”转变为“主动模拟世界演化”，为构建可交互的通用世界模拟器提供了关键技术路径。

相比谷歌，此次阿里发布的HappyOyster采用了时间跨度更长的世界演化建模方式，使得模型能够保持高保真、长时序的动态场景生成。同时在建模初始就设计了多样的控制信号，使模型能够在统一的时序框架下同时实现生成质量、长时序与实时可控性的协同优化。在产品能力上，HappyOyster呈现出差异化优势。不仅能支持Wander漫游探索，还独家提供实时导演功能，用户可通过自然语言指令随时介入世界演化、调度角色事件，实现从被动探索到主动创作的跨越。在视觉表现上，HappyOyster漫游模式的画面质量更高，风格泛化能力更强，动态性更好。

通过漫游和导演的双模式，HappyOyster能够为用户带来沉浸式的世界交互体验。在漫游模式中，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；此外，用户能自由切换方向与镜头运动，突破初始画框的边界，体验无限延展的探索乐趣。目前Happy Oyster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；在导演模式下，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，在充分的交互中生成一个光照、重力、角色动作与场景因果持续演化的世界，并能选择题材风格。目前，HappyOyster的导演模式支持连续生成 3 分钟以上的480p或720p实时画面。当前漫游与导演两大模式尚未完全打通，但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。

世界模型的发展仍处于早期阶段，但在实际应用中，HappyOyster已在改变传统的内容创作模式和交互体验。例如，在游戏领域，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，大幅降低内容生产成本并提升沉浸感；在影视创作中，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，让创意验证时间大大缩小；在文旅与教育领域，用户不再被动观看历史复原视频，而是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。在未来，HappyOyster还能应用于线下智能空间或娱乐场景，例如与穿戴设备等智能硬件结合，根据人的位置、动作与语言动态，实时生成沉浸式内容，让数字世界与现实共振。

本文系观察者网独家稿件，未经授权，不得转载。