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
- Reddit 求助：Qwen Image 2.1 换装总毁身材比例，Flux 3 Klein 略好 — Existing-Box-7866 · 2026-10-27
- 3 步 Turbo LoRA 实测:Moss 图像模型极速出图效果展示 — JadedScorpion · 2026-10-27
- Magnific 预告 10 月 28 日上线新功能：「We're making it move」 — cuenca · 2026-10-27
- Midjourney --sref 实测：美式复古风 Batman 插画三连 — gizakdag · 2026-10-27
- AI视频既非电影也非动画，创作者称它最擅长呈现梦境与潜意识 — Kyrannio · 2026-10-27
- 把儿子 31 年前的童言写成歌再喂给 SUNO：一首「大象饮料」儿童合唱 — NathanpmYoung · 2026-10-27