北京
技術(shù)圈一直有個未解難題：交互視頻播完就沒了，3D場景雖逼真卻把探索鎖死在單一空間里，誰都想把兩者擰成一股繩。阿里巴巴旗下高德今日用一個叫“世界模型工坊”的產(chǎn)品交出了答案，正式發(fā)布并開放測試。它把交互式視頻生成和3DGS場景生成揉進(jìn)同一個工作臺——你只要敲一行字或丟一張圖，就能生出可實(shí)時互動、隨手分享的AI世界，產(chǎn)出能存成視頻或3DGS文件，部署門檻低到一塊消費(fèi)級顯卡就夠。 這個工坊最抓人的地方，是把“一段視頻”和“一個場景”徹底打通。以往走沉浸路線的團(tuán)隊，交互隨著視頻播完就終結(jié)；搞空間重建的團(tuán)隊，構(gòu)建的場景之間毫無連續(xù)性，怎么繞都出不去。它直接在同一個產(chǎn)品里把兩條線接在一起，既讓人能實(shí)時溜達(dá)，又能讓世界記住你走過的足跡，官方把這稱為“實(shí)時探索與永久記憶”。 為了把打破邊界的感覺拉滿，產(chǎn)品里還藏了個“時空任意門”。每推開一扇門，就會被傳送到另一個完整的3D世界，沒有加載條，沒有轉(zhuǎn)場黑屏。你可以讓江南老木門后面蹲著一座賽博城市，也能把風(fēng)陵渡渡口直通雁門關(guān)關(guān)隘。原本互相隔絕的場景，被任意門編成了一張沒有邊界的探索網(wǎng)絡(luò)——這種幻想，以前也就是《哆啦A夢》或者《瑞克和莫蒂》里才敢演。 能這么玩，因為有底層的通用交互式世界模型撐著，分為視頻生成線和3D生成線。視頻那邊把場景漫游和角色控制做了一體化建模，控制精度大幅拉高，還用算法優(yōu)化壓住誤差累積。官方拿單張5090實(shí)測，單次連續(xù)推理穩(wěn)定跑過1小時無崩潰、畫面質(zhì)量不衰減，直接把同類模型普遍撐不過一分鐘的上限甩在身后。而且整個工坊架構(gòu)不設(shè)推理時長天花板，只要顯卡不罷工，你可以在里面一直逛下去。 3D線則能原生輸出帶真實(shí)幾何結(jié)構(gòu)的3DGS空間資產(chǎn)，畫面做到照片級保真，同時空間有可感知的深度和物理邊界，絕不是用貼圖冒充3D。讓普通用戶驚喜的是，這些生成的世界都能保存成3DGS文件，大家可以互相分享，慢慢攢出一個公開的世界庫。如果你想搞點(diǎn)創(chuàng)作，完全可以在別人的賽博城市邊上開個門，把自己捏的古城接進(jìn)去。 再看兩個模型的協(xié)作基底，3D生成模型與此前發(fā)布的另一個模型共享同一條推理路徑，這是全球首次用一套架構(gòu)貫通室內(nèi)、街景和城市航拍的全尺度空間生成。為了扛住長時序生成的質(zhì)量，它采用“生成—評估—修復(fù)”的模塊化設(shè)計，邊生成邊檢查，發(fā)現(xiàn)不對勁就自動修補(bǔ)，保證場景不崩。整條系列模型共有的亮點(diǎn)：都能在本地單塊消費(fèi)級GPU上推理，不吃專用算力，這種友好度在當(dāng)前圈子里相當(dāng)少見，目前它們已全面開源。 落到應(yīng)用上，也不是光給你玩玩。“任意門”聽起來很娛樂，在具身智能那邊，它能直接當(dāng)機(jī)器人的專項訓(xùn)練仿真場，想練什么場景就生成什么場景。內(nèi)容創(chuàng)作領(lǐng)域，游戲團(tuán)隊可以拿它搭無邊界探索地圖，影視人能把單視角素材瞬間變成分鏡，創(chuàng)意驗證周期從幾周壓到幾小時。文旅和教育更直觀：以往看歷史遺跡基本就是播放一段固定視頻，現(xiàn)在用戶可以用第一人稱走進(jìn)名畫現(xiàn)場或過往文明，從旁觀者變成親歷者。工坊現(xiàn)已開放測試，想親自體驗的話，只要看看顯卡能不能扛住你一小時的迷路了。
特別聲明：以上內(nèi)容(如有圖片或視頻亦包括在內(nèi))為自媒體平臺“網(wǎng)易號”用戶上傳并發(fā)布，本平臺僅提供信息存儲服務(wù)。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
