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:阿里开源15B视频世界模型AlayaWorld(5 条相关)→
「多模态」频道最新
- Midjourney 风格参考分享:--sref 2912175708 — tisch_eins · 2026-09-11
- 3D 网站生成工作流公开：MCP 接 Codex，一句话出可玩游戏 — FellMentKE · 2026-09-11
- 用 GPT-6 Astra 加 Hyper3D MCP 免建模做 3D 落地页 — FellMentKE · 2026-09-11
- Astra 分镜+Minimax H3 分镜逐帧生成，视频创作成功率大增 — Hailuo_AI · 2026-09-11
- Hailuo 转推：MiniMax H3 MAX 一发生成 15 秒美食动画短片 — Hailuo_AI · 2026-09-11
- MiniMax Music 制作工具包 2.5 发布,新增完整母带处理链 — Vivid_Promise1700 · 2026-09-11