阿里发布世界模型HappyOyster 1.0，支持实时互动与导演

背景

随着生成式 AI 技术的快速演进，从文本生成图像（Text-to-Image）到文本生成视频（Text-to-Video），AI 内容创作的能力边界不断拓展。然而，传统的文生视频模型主要侧重于从输入文字到生成视频的单向映射，缺乏用户介入和实时互动的能力。与此同时，世界模型（World Models）作为 AI 领域的新兴赛道，旨在学习物理世界状态转移规律，实现从“当前状态/动作”到“下一状态/动作”的推演。尽管大语言模型架构日趋成熟，但世界模型仍处于早期探索阶段，且业界缺乏可量化的测评标准。在此背景下，阿里巴巴于 6 月 17 日正式发布了其开放式世界模型产品 HappyOyster 1.0，试图在实时构建、交互及因果推演方面取得突破。

核心内容

HappyOyster 1.0 是阿里发布的一款可实时构建和交互的开放式世界模型产品。该产品深度学习物理世界状态转移规律，能够主动推演从动作到反馈的因果链，并保持人物和环境的长程一致性。与传统的文生视频模型不同，HappyOyster 1.0 的核心优势在于其支持用户在任意节点介入，改变数字世界的走向，实现了从单向生成到双向实时互动的转变。

该模型具备两大核心能力：世界探索（Adventure）和实时导演（Directing）。

在世界探索模式下，用户仅需输入一句话或上传一张图片，即可生成可深度探索的数字世界。该模式支持长达 1 分钟的连续实时位移与镜头控制。交互功能得到了显著升级，新增了前冲、下蹲、跳跃、攻击等操控按键，丰富了人物的运动轨迹，并支持载具驾驶与武器战斗等复杂物理交互。

在实时导演模式下，用户获得“上帝视角”，能够暂停、回溯并分支叙事。用户可以在体验过程中的任意节点暂停，回跳至剧情关键节点，输入新的提示词来改变剧情走向。该模式支持生成 3 分钟以上的 480p 或 720p 实时画面，实现了用低成本让同一开局衍生出无限可能的互动体验。

HappyOyster 1.0 的技术原理在于从海量自然视频中学习现实里人物、事物和环境的演变。通过自主推演因果链，模型能够自然迁移到未见过的场景，根据用户指令推理出新的因果，并维持数字世界的长程稳定和音视频的长时协同。

目前，HappyOyster 1.0 官网已开放用户注册体验，并计划近期全面开放 API 接口。阿里正联合南京大学，着手打造首个覆盖过程交互、跨模态对齐、长程一致与物理仿真验证的行业基准，以填补世界模型测评标准的空白。

关键要点

• 产品定位：HappyOyster 1.0 是阿里发布的开放式世界模型，旨在实现可实时构建、交互和重塑的 AI 数字世界。
• 技术差异：区别于文生视频模型的单向映射，HappyOyster 1.0 学习的是状态转移规律，支持用户实时介入和因果推演。
• 核心功能升级：
  • 新增攻击、跳跃、剧情回溯、剧情分支等操控能力。
  • 世界探索模式支持复杂物理交互（如载具驾驶、武器战斗）。
  • 实时导演模式支持暂停、回溯及分支叙事，允许用户改写画面、角色和剧情。
• 应用场景：
  • 交互式游戏：开发者可通过图片和提示词快速生成符合物理规律的开放世界原型，无需耗费大量时间编写代码。
  • 互动短剧/虚拟陪伴/直播：将传统线性叙事转化为用户掌握主动权的互动体验。
  • 文旅体验：提供沉浸式探索，生成稳定一致性的数字人 IP，允许游客决定游览路线及进入奇幻场景。
• 行业贡献：阿里联合南京大学打造世界模型行业基准，涵盖过程交互、跨模态对齐、长程一致与物理仿真验证。
• 开放计划：官网已开放体验，近期将全面开放 API 接口，携手行业共建生态。

意义与影响

HappyOyster 1.0 的发布标志着 AI 内容生成从“被动观看”向“主动交互”的重要跨越。对于内容创作者而言，该模型极大地降低了交互式内容的开发门槛。在交互式游戏领域，开发者无需耗费数周甚至数月进行代码编写和测试，即可快速生成开放世界原型；在互动短剧和直播领域，用户能够通过自然语言指令实时改写剧情，这种非线性的叙事方式有望重塑娱乐内容的消费形态。

此外，HappyOyster 1.0 在技术层面推动了世界模型这一新兴赛道的发展。通过建立涵盖过程交互和物理仿真验证的行业基准，阿里正在尝试解决世界模型缺乏统一测评标准的问题，为后续的技术迭代和商业化落地奠定基础。随着 API 接口的全面开放，HappyOyster 1.0 有望在文旅、虚拟陪伴等多个行业激发新的生产力，推动多模态互动内容形态的普及与创新。