阿里巴巴发布 World-in-Context：统一视角、动作与相机控制的交互式视频世界模型
AlibabaTongyiLab · hf · 2026-10-27
阿里巴巴 Token Hub 团队发布 World-in-Context，一个交互式视频世界建模框架：通过显式 token 与交互感知的位置编码，在上下文条件化中统一自由视角、第一/第三人称动作与相机控制，改进交互式视频生成与导航。支持 Free-Camera、First-Person、Third-Person 等多种控制模式，代码与项目页已开源。
「多模态」频道最新
- 百度开源 Unlimited OCR 2：任意长文档解析，延迟近乎恒定 — Baidu_Inc · 2026-10-27
- AI 电影人论战：会写提示词容易，会剪出好片才是真功夫 — AIandDesign · 2026-10-27
- FastH3 Omni Reference：5 张照片 10 秒生成时尚广告片 — comfy-king-999 · 2026-10-27
- 2026 视频生成模型价格横评：不同模型价差达 2-3 倍 — videorouter · 2026-10-27
- 无 GUI 视频编辑器 kimo：AI agent 通过 MCP 剪片并可自检渲染帧 — LieTop7965 · 2026-10-27
- 小米 MiLM 联合武大推出 WorldCast：大角度运镜下角色视频保持世界一致 — Lei Cao · 2026-10-27