ITBEAR科技资讯
网站首页 科技资讯 财经资讯 分享好友

阿里又放大招!一句话,造一个能走进去的世界

时间:2026-06-17 23:54:38来源:新智元编辑:快讯

新智元报道

今天,阿里重磅上线HappyOyster 1.0世界模型,一句话直接生成可实时探索、物理交互的开放世界!

「快乐生蚝」,真的来了!

今天,阿里正式放出了HappyOyster 1.0——这是一款可实时构建和交互的开放式世界模型产品。

一句话,即可生成一个完整、可演绎、可探索、可互动的数字世界。

2个月前,阿里曾把「快乐生蚝」放进了公众视野,如今这只生蚝终于长成了1.0。

一句话,一个世界,这次是真的实现了。

世界模型,AI下一个战场

过去两年,文生视频已经相当成熟。

输入一句话,等上几十秒,就能拿到一段成片,它把「文本变成画面」这件事,做得很好。

只不过,成片有它天然的边界:画面生成完,这段视频就定稿了,你能做的是「看」,而不是「参与」。

而世界模型想做的,是另一件事:让你不只是看一段视频,而是走进一个能实时互动、随时改变走向的世界。

这无关谁取代谁,文生视频交付的是「一段结果」,世界模型为你创造的是「一段体验」——

你给一张图、一段话,它生成的那一刻,体验才刚开始。

那它具体是怎么做到的?

它把视频,当成一个需要被持续推演的世界状态,学习世界如何随时间演化的规律——

空间怎么连续、物体怎么守恒、动作之后会引发什么反馈。

它要做的,不再只是「把内容生成出来」,而是「把一个世界持续推演下去」。

放眼全世界,硅谷大厂、AI大佬创业公司,纷纷押注「世界模型」这一赛道。

这其中,不仅有谷歌DeepMind的Genie,也有李飞飞团队倾力打造的Marble。

在这场角逐中,阿里HappyOyster强势入局,路线非常明确:主动式、实时——

你说话的同时,世界就在回应你。

如今,阿里把将这句箴言刻印在「世界模型」上,态度很直白:世界,由你来撬开。

快乐生蚝,一手实测

这一次,HappyOyster 1.0核心版本升级,主打两大功能——

世界探索(Adventure):你就是世界里角色的一部分,一句话、一张图,即可开启任意世界的探索。

实时导演(Directing):你就成了那个站在世界之上的人,去导演一整个故事。

百闻不如一见,接下来,我们将开启一场全面的硬核实测。

世界探索:你就是世界里的「主角」

一句话或一张图,你就进入一个可漫游、可战斗、可互动的开放世界。

第一人称、第三人称随你切,还支持1分钟以上的实时位移与镜头控制。

「世界探索」新增了一整套丰富的交互动作:前冲 / 加速、下蹲、攻击、跳跃,还支持更复杂的环境交互——乘坐驾驶载具、使用各类武器战斗。

它真正把「看一个世界」变成了「在一个世界里活动」。

下面这个测试中,我们让HappyOyster 1.0生成了两个壮汉在地下拳馆格斗的场景。

这一场格斗里,攻击、跳跃、闪避这些动作,都是实时操控出来的——出拳、反击、再追打,节奏完全跟着指令走。

关键是,一拳打出去,命中之后对手会触发「踉跄倒退」的受击反应。

HappyOyster凭借着对客观世界的理解能力,根据场景实时演化对应的物理交互,让各种复杂动作实时发生。

自动播放

除了战斗场景外,HappyOyster 1.0还可以丝滑处理各类连贯交互动作。

下面这个地牢测试中,人物竟可以主动使用道具——火把。而且,场景的光照状态完成了合理的切换。

自动播放

再比如这台复古老爷车,你可以指挥人物开门、上车,再操控他把车开出去。

从「看一辆车」到「上车把它开走」,中间差的就是能不能实时操控这一步。

自动播放

世界会不会对动作做出实时反馈,雪地是个很好的试金石。

比如下面这个视频中,一名探险者深一脚浅一脚走过厚雪覆盖的山脊,每步留下脚印、踩塌的雪扬起雪粉。

自动播放

更关键的是,不管世界换成什么画风,任何人都能一样地走进去、实时下指令。

如下视频中,是一个黏土风格的微观厨房,可以指挥角色在这个小世界里走动、探索,想去哪、做什么,都是实时演化说了算。

自动播放

实时导演:站在世界之上,一边演一边改

Directing模式能直接让你当导演。流式生成、即说即演,随时注入指令改走向。

它的三大特性,每一条都是一种全新的交互体验:

暂停:任意时刻冻结世界,想好了再继续;

回溯:演到一半折回任意节点重新来过,原版本保留不丢;

剧情分支:从同一个节点分叉出完全不同的走向。

加上首发的多模态参考(用@图片锁定角色外观,3分钟长程一致),试错成本被压到了极低。

通过HappyOyster,便可以第一视角沉浸式体验和数字人的交互,包括捏脸、说话全部都是实时的。

自动播放

亦或是,化身为漫剧导演,亲自执导一场霸总大戏。

剧情的走向、角色的命运,一切全都由你的想象力来主宰。只需在对话框中,输入指令,AI便会按着剧本来演了。

自动播放

创作过程中,可以随时喊停,等创意想好了还能继续。

再来一部「后宫甄猫传」,一个人就能导演一部戏。

自动播放

再来看下面这个demo,二次元老婆换装,想要哪种风格的,一句话直接搞定。

自动播放

核心技术拆解

HappyOyster 1.0 和我们熟悉的文生视频模型,不是同一类东西。

差别不在画面,而在两者学习的目标。

文生视频学的是「文本→视频」的单向映射——给一段描述,产出一段对应的成片,生成完,这件事就结束了。

世界模型则不同,它学的是:当前状态+你的动作 → 下一个状态的转移规律。

模型必须先理解当前的场景结构、实体属性、物理关系,还要在你随时丢过来指令的情况下,准确预测并渲染世界的下一个状态。

用户不再是被动的观察者,而是可以在「世界」里持续交互——体验的核心是中途互动本身。

那么问题来了,HappyOyster 1.0 是怎么把这件事做成的?

它的技术优势可以概括为四点,层层递进。

第一,世界状态建模——世界能持续跑下去的基础。

HappyOyster 把世界的当前状态压缩成一份紧凑的隐状态摘要(Latent State),每生成一段内容就更新摘要,再把更新后的摘要递归传给下一段。

这就像是一场接力赛跑,上一棒把「关于现在世界的一切」写成一张小纸条递给下一棒。

纸条在手,世界的因果就一直接得上——几分钟跑下来,世界不会乱、因果关系不会断。

更关键的是,正因为状态摘要可序列化、可存档,HappyOyster 1.0 才得以支持暂停、回溯和剧情分支这些进阶功能。

第二,内生一致性——世界「不崩」的保障。

HappyOyster 以持久的参考表征参与全程注意力。

简单理解就是,进入世界时给每个人物、每件关键道具发一张「身份卡」,模型全程带着这张卡生成。

这样,当角色转个身、被挡住,甚至走出画面过几分钟再出现时,长相、衣着、物品都不会变样、不会变形。

一致性不靠运气,而是从架构层面就是内生的。

第三,开放因果动作空间——世界「能玩」的核心。

世界生成稳了,接下来的关键是怎么和它交互。

HappyOyster 的做法是让动作指令和自然语言共享同一套语义接口,不需要预定义动作集。

比如,用户按下「攻击」键,HappyOyster不只是播一个「挥剑」的动画,它能自主推演出整条因果链——

出手→命中→NPC 受击倒地→地面扬尘→旁边的酒杯被震落。

这些因果不是开发者一个一个写好的脚本,而是模型通过大规模因果训练自己学会的。

正因如此,它能自然迁移到从未见过的场景,并根据用户指令推理出新的因果关系。

这是世界模型区别于靠脚本与逻辑拼接的「游戏引擎」的最本质之处。

第四,长时序音视频协同——世界「活着」的质感。

最后一层是感官的完整性。

HappyOyster 的音画是在同一世界状态下联合解码生成的——世界状态展开的同时,声音和画面一起长出来。

脚踩碎石有碎石声,引擎加速有轰鸣,风穿过峡谷有呼啸声——声音不是后期配的,是世界本身的一部分。

这四个点合在一起,HappyOyster 就成为了一个可持续推演的世界模拟器——跑得久、不会崩、可控制、有声音。

从「技术玩具」到「生产力」

谁会最先用起来

HappyOyster 1.0的想象空间,远不止「玩」。

把它放进各行各业,会看到一条共同的主线:每个场景的价值都不在画面本身,而在「实时互动」。

用户能在生成过程中随时介入、即时改变世界的走向。

对不同落地场景来说,这正是世界模型这个新品类最有想象力的地方。

交互式游戏是最直接的落地场景。

传统的开放世界原型验证需要几个月建资产库、搭物理引擎、调NPC行为树。

现在一句话,就能生成带实时物理反馈的开放世界原型。

从FPS战区到国风武侠对决,策划用它验证关卡、测试NPC交互逻辑、感受战斗节奏,而玩家的每一次操作都在实时驱动事件走向。

速度从以周计缩到以小时计。

实时虚拟陪伴,是「世界探索」与「实时导演」都能托起的方向。

它能实时生成一个随时可交互的虚拟角色:能听能说、长时间相处还保持一致,用户可以随时指挥它的动作。

虚拟伙伴、数字人IP、品牌虚拟形象,都能借此从「播一段片」升级为「实时陪着你」。

在互动短剧上,HappyOyster 1.0的暂停、回溯、分支三件套,等于把「分支叙事」的能力直接交给了创作者。

一个开头分叉出十条故事线,观众能在关键节点注入自己的指令、实时改写走向——

名场面重写结局、POV恋爱互动,制作方式也从「预先拍好多条线、每条都花钱」变成了「实时生成任意一条线」。

还有直播,是「实时」属性最天然的落点。

场景与角色都是实时生成的,主播或观众的一句指令就能即时改变画面走向。

无论是虚拟主播,还是实时互动直播,观众都不再只是「看」,而是能直接参与到画面的演化里。

文旅与虚拟体验则把「去哪、看什么」实时交给用户,同时利用世界模型在「无真实数据场景」中的模拟能力。

月球表面、海底宫殿、高魔幻境——这些现实中拍不到的地方,HappyOyster能在像素空间里持续模拟出来。

写在最后

HappyOyster 1.0版本把「一句话造世界」从概念变成了今天就能用的产品。

而据官方透露,API预计7月初开放——届时,开发者和B端的生态想象力还会进一步打开。

国内站 www.happyoyster.cn 已上线,手机号即可注册,每天登录送免费创作积分。

剩下的,就交给你的创造力了。

更多热门内容
国产设备商抢滩面板级封装新赛道:AI时代半导体设备增量市场新机遇
这标志着国产高端装备在先进封装核心工艺上取得了关键性突破,也是华海清科CMP装备技术从晶圆级向板级延伸的重要里程碑。更重要的是,面板级封装天然与显示面板工艺有亲缘关系,台积电和群创光电甚至直接购买旧LCD厂房…

2026-06-17

OPPO与vivo万元影像旗舰明春对决:影像路线分化,万元定价能否带来新惊喜?
据知名数码博主爆料,预计OPPO与vivo的下一代直板Ultra机型初步排期定在明年3月至4月,继续锁定万元档超影像旗舰定位。 值得关注的是,博主在评论区透露了两个关键细节:其一,同期小米并无影像旗舰,而是有…

2026-06-17

2026年电视机选购全攻略:索尼等品牌不同场景适用机型深度解析
超旗舰画质标杆:索尼电视 9 系 II 高端面板代表:TCL X11L 电竞游戏利器:三星 S95F 质价比大屏之选:小米电视S综合实力推荐榜 纵观 2026 年高端电视机市场,单纯的背光分区与亮度堆料…

2026-06-17

自研玄戒O3处理器助力!小米阔折叠新机入网或首发澎湃OS 4
按照数码闲聊站的说法,刚入网型号为2608BPX34C很可能就是XIAOMI MIX Fold5,并强调新机支持独立n79频段以及UWB超宽带技术。 目前在售的小米可乐标手机是小米17 Ultra徕卡版,…

2026-06-17

科大讯飞SpaceMind引海外热议,中国AI创新让智慧空间“主动懂人”
用过智能家居的人应该都懂——有时候开个灯能等20到40秒,还经常蹦出来一句“我听不懂你在说什么”。 发布会上演示了一个场景:两个人说同样一句“我想休息一下”,得到的是完全不同的回应——因为系统认识说话的每个…

2026-06-17

具身智能竞争新态势:头部企业布局数据与投资,共筑产业新生态
世界模型是具身智能“大脑”的新范式,被认为是通往AGI的重要路径;高质量数据则是是训练模型的稀缺“燃料”,多家企业官宣建设数采工厂、探索多种数采路线。 大会现场,星海图联合凯辉基金共同发起创业伙伴计划“星途…

2026-06-17

自研玄戒O3处理器助力!小米阔折叠新机入网或首发澎湃OS 4
按照数码闲聊站的说法,刚入网型号为2608BPX34C很可能就是XIAOMI MIX Fold5,并强调新机支持独立n79频段以及UWB超宽带技术。 目前在售的小米可乐标手机是小米17 Ultra徕卡版,…

2026-06-17