阿里AI视频家族“上新”。继AI视频生成工具HappyHorse（欢乐马）后，阿里再推针对视频领域的世界模型产品。4月16日，阿里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。

　　已应用于游戏、影视领域

　　在产品能力上，HappyOyster呈现出差异化优势，支持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。

　　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。

　　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。据了解，阿里HappyOyster已在改变游戏、影视创作等传统的内容创作模式和交互体验。

　　多家企业押注“世界模型”

　　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。对于世界模型，英伟达的定义是，世界模型是用于理解现实世界动态(包括物理属性和空间属性)的神经网络。它们可以使用文本、图像、视频和运动等输入数据来生成模拟实际物理环境的视频。

　　阿里此次发布的HappyOyster与谷歌的Genie3同属采用同样的建模方式，采用长时间跨度上的世界演化建模型，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；同时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，使得模型能主动理解空间、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。

　　在行业内，多家视频模型企业也在押注世界模型。今年1月，爱诗科技还推出了全球首个支持1080P的通用实时世界模型PixVerse R1，该模型为全球首个支持最高1080P分辨率通用实时世界模型，已首次将视频生成的延迟从“秒级”降至“即时”响应，实现了“所想即所见、所说即所现”的实时交互体验，标志着AIGC领域的视频生成正式从“静态输出”迈入“实时交互”的全新阶段。