阿里巴巴（BABA.US）近日宣布推出世界模型產(chǎn)品HappyOyster，這款基于原生多模態(tài)架構(gòu)的生成式AI系統(tǒng)，在音視頻聯(lián)合生成領(lǐng)域?qū)崿F(xiàn)突破性進展。該產(chǎn)品由阿里ATH創(chuàng)新事業(yè)部研發(fā)團隊打造，與旗下另一項目HappyHorse共享核心技術(shù)團隊，標志著中國科技企業(yè)在前沿模型領(lǐng)域的持續(xù)探索。

與傳統(tǒng)文生視頻模型依賴提示詞輸入的被動生成模式不同，HappyOyster采用長時序世界演化建模技術(shù)，通過融合文本指令、動作軌跡和圖像信號等多維度控制參數(shù)，主動模擬物理空間與因果關(guān)系演變。這種技術(shù)路徑與谷歌Genie3同屬世界模擬器流派，在生成質(zhì)量、時序連貫性和內(nèi)容可控性之間實現(xiàn)協(xié)同優(yōu)化。

產(chǎn)品核心功能包含"漫游"與"導(dǎo)演"雙模式：漫游模式支持用戶進行長達1分鐘的連續(xù)位移操作和鏡頭控制，生成畫面保持高分辨率與風(fēng)格一致性；導(dǎo)演模式則突破性地實現(xiàn)3分鐘以上480p/720p實時生成，允許在任意時間節(jié)點通過多模態(tài)指令修改劇情走向或調(diào)整角色行為。目前兩種模式尚未完全融合，但開發(fā)團隊透露未來將向"探索-創(chuàng)作"一體化方向迭代。

該模型在應(yīng)用場景測試中展現(xiàn)出顯著優(yōu)勢：游戲行業(yè)可降低30%以上的場景構(gòu)建成本，影視制作周期縮短40%，文旅領(lǐng)域?qū)崿F(xiàn)虛擬場景的實時交互升級，教育領(lǐng)域則通過動態(tài)模擬提升教學(xué)沉浸感。技術(shù)團隊特別強調(diào)，通過空間物理引擎與因果推理模塊的深度耦合，系統(tǒng)能準確呈現(xiàn)物體碰撞、光影變化等復(fù)雜物理現(xiàn)象。

據(jù)技術(shù)白皮書披露，HappyOyster的架構(gòu)創(chuàng)新體現(xiàn)在三方面：一是構(gòu)建了跨模態(tài)的統(tǒng)一表征空間，實現(xiàn)文本、圖像、動作的語義對齊；二是開發(fā)了動態(tài)時序編碼器，可處理長達10分鐘的連續(xù)交互數(shù)據(jù)；三是引入物理約束模塊，確保生成內(nèi)容符合現(xiàn)實世界規(guī)律。目前該模型已在GitHub開源部分基礎(chǔ)組件，供開發(fā)者進行二次開發(fā)。