AlayaWorld 开源 720p、24 FPS 视频世界模型并支持镜头控制
fruesome · reddit · 2026-07-22
AlayaWorld 被介绍为一个全栈、开源的 视频世界模型，支持 720p、24 FPS 的流式视频生成，还能做 相机控制 和基于文本的事件插入。
- 方案围绕四个核心能力：交互性、一致性、稳定性、运行时效率。
- 交互性：使用两条控制通道——一个是带轻量相机调制的渲染 3D cache，用于具身、轨迹感知的导航；另一个是 chunk 级 prompt 切换，可在生成中途插入新事件。
- 一致性：通过重投影到当前视角的 3D cache 提供空间记忆，再配合压缩后的帧历史嵌入，保证回到旧地点时仍可识别。
- 稳定性：训练时加入漂移历史，并通过 error bank 把累计伪影重新注入记忆和目标，避免长时间生成中误差滚雪球。
- 运行时：借助 few-step DMD distillation 和短时序 chunk，让交互保持实时性。
帖子同时给出了 GitHub、Hugging Face 和技术报告链接，因此既是项目发布，也有较强的研究阅读价值。
所属事件:AlayaWorld开源支持镜头控制的视频世界模型(3 条相关)→
「多模态」频道最新
- Claude Mythos 和 gptimage 做出万圣节感混搭神曲 — repligate · 2026-07-22
- AI 互动剧情游戏把《奥德赛》做成可玩分支故事 — vista8 · 2026-07-22
- 创作者分享 Midjourney 新风格提示词和完整参数 — azed_ai · 2026-07-22
- BytePlus 展示 NIGHTBORNE，使用 Dreamina Seedance 2.0 4K 制作 — nikola_mr64990 · 2026-07-22
- Muse Spark 1.1 登顶视频到网页榜单，Elo 达 1250 — soleio · 2026-07-22
- Dreamina Seedance 2.0 4K 参与制作 Neill Blomkamp 新故事 — nikola_mr64990 · 2026-07-22