阿里发布世界模型HappyOyster挑战谷歌Genie3

4月16日消息，阿里巴巴今日正式推出一款名为HappyOyster（快乐生蚝）的世界模型产品，能够实现实时构建与交互体验。该模型基于原生多模态架构开发，支持多模态理解与音视频联合生成。简而言之，用户不仅可以“观察”一个世界，还能亲身进入并主动改变它。

目前，HappyOyster主要围绕两大核心功能展开：漫游（Wander）与导演（Direct）。通过这两种模式，用户可以实时构建出一个具备互动性、可演绎、可探索的AI数字世界。更值得关注的是，您所创建的数字场景可被完整存储，并开放给其他用户进行二次创作——这意味着，它不仅是您个人的“沙盒”，更是一个能够持续演进的共享空间。

这款产品源自阿里ATH创新事业部团队，也就是此前爆火的HappyHorse背后的同一研发队伍。坦白来说，世界模型目前仍属于极为前沿的探索领域，而阿里的HappyOyster与谷歌的Genie 3，均属于“世界模拟器”这一技术流派。

不过，两者之间仍存在显著差异。相较谷歌，HappyOyster采用时间跨度更长的世界演化建模方式，使模型能够在保持高保真度的同时，实现长时序动态场景生成。此外，HappyOyster设计了多样化的控制信号，让模型在统一时序框架下，兼顾生成质量、长时序稳定性与实时可控性——实现这三者的协同优化，绝非易事。

在产品能力方面，HappyOyster的漫游模式不仅支持用户自由探索，还独家提供了实时导演功能。用户可通过自然语言指令，随时介入世界演化进程，调度角色与事件走向。从视觉表现来看，HappyOyster漫游模式的画面质量更高，风格泛化能力更强，动态表现也更加自然。

漫游模式可畅游世界名画

漫游模式可控制人物运动

通过漫游与导演双模式的结合，HappyOyster旨在为用户带来沉浸式的世界交互体验。在漫游模式中，用户只需一句话或一张图，即可生成一个具备物理一致性的完整空间。在此空间内，物体位置保持稳定，场景持续存在，且视角与光照可随第一人称视角持续移动。更进一步，用户能自由切换方向与镜头运动，突破初始画框的边界，享受无限延展的探索乐趣。目前Happy Oyster支持长达1分钟的连续实时位移与镜头控制，同时兼容多样化的风格切换——从写实到奇幻，基本均可覆盖。

而在导演模式下，体验则更加有趣。用户可在视频的任意节点，通过文字、语音或图像等多模态输入，随时介入世界演化：切换镜头、改写剧情、调度角色——整个过程均在充分的交互中完成，最终生成的是一个光照、重力、角色动作与场景因果持续演化的世界。至于题材与风格，用户也可自由选择。目前HappyOyster的导演模式支持连续生成3分钟以上的480p或720p实时画面。

导演模式可在任意节点改变剧情走向

当然，必须承认，世界模型的发展目前仍处于早期阶段。但从实际应用来看，HappyOyster已在改变传统的内容创作模式与交互体验。举例来说：在游戏领域，开发者可快速生成可玩原型，省去大量前期构建环节；在影视创作中，导演仅需用自然语言描述创意，系统即可实时生成分镜画面，并能在视频任意节点进行修改——这相当于将“后期”提前到了“前期”；在文旅与教育领域，用户能以第一人称视角“走进”名画现场或过往文明，在交互中探索因果、改写走向。

展望未来，HappyOyster的应用场景还有更大的想象空间。例如与穿戴设备等智能硬件结合，根据人的位置、动作与语言动态，实时生成沉浸式内容——届时，数字世界将不再是屏幕里的一幅画，而是能与现实共振的平行空间。

附HappyOyster正式链接：https://www.happyoyster.cn/