阿里世界模型HappyOyster挑战谷歌Genie3

4月16日，阿里巴巴正式发布了名为HappyOyster（快乐生蚝）的世界模型产品。这个名字颇具趣味，但其背后的技术能力更值得深度关注。基于原生多模态架构，这套模型不仅能深度理解多模态信息，还可同步生成音频与视频内容。产品目前主推两大核心功能——漫游（Wander）与导演（Direct），用户能够实时构建一个可交互、可演绎、可探索的AI数字世界。更关键的是，你生成的数字世界不仅能够完整保存，还可开放给其他用户进行二次创作与再开发。该产品由阿里ATH创新事业部团队打造，与之前爆火的HappyHorse出自同一研发团队。

当前，大语言模型在架构和技术范式上已趋于成熟，但世界模型仍属于前沿探索领域。阿里的HappyOyster与谷歌的Genie3，均归属于“世界模拟器”这一技术流派。这类模型与传统文生视频模型有着本质区别——后者需要用户输入提示词、等待渲染、再获取成片，整个流程是被动接收。而世界模拟器采用长时间跨度上的世界演化建模方式，通过学习海量长视频数据，并结合文本、动作指令、图像参考等多种控制信号，模型能够主动理解空间规律、物理法则和因果关系，进而预测情节与画面的演变。简而言之，就是将“被动生成内容”转变为“主动模拟世界演化”，这正是构建可交互通用世界模拟器的关键技术路径。

将阿里与谷歌对比来看——HappyOyster此次采用了时间跨度更长的世界演化建模方式，这使得模型在长时间动态场景生成中依然能保持高保真度。此外，它在建模初期便设计了多样化的控制信号，可在统一的时序框架下同时优化生成质量、长时序稳定性以及实时可控性。产品能力上的差异化也很显著：不仅支持Wander漫游探索，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、调度角色和事件，真正从被动探索跨越到主动创作。在视觉表现上，HappyOyster漫游模式的画面质量更优，风格泛化能力更强，动态效果也更出色。

漫游模式畅游世界名画

漫游模式控制人物运动

漫游与导演双模式联动，所带来的体验确实与众不同。先说说漫游模式：你仅需一句话或一张图，就能生成一个具备物理一致性的完整空间。物体位置稳定、场景持久存在，视角与光照还能随第一人称视角持续移动。你甚至可以自由切换方向和镜头运动，突破初始画框的边界，体验无限延展的探索乐趣。目前HappyOyster支持最长1分钟的连续实时位移与镜头控制，风格切换也十分灵活。再来看导演模式：在视频的任意节点，你可以通过文字、语音或图像等多模态输入，随时实现镜头切换、剧情改写、角色调度。在深度交互过程中，系统会生成一个光照、重力、角色动作和场景因果持续演化的世界，你还能自主选择题材风格。目前导演模式支持连续生成3分钟以上的480p或720p实时画面。漫游与导演两大模式尚未完全打通，但未来用户有望在漫游过程中直接与世界深度互动、实时改写场景规则，真正实现边探索边创造的无缝融合体验。

导演模式可在任意节点改变剧情走向

世界模型仍处于早期发展阶段，但HappyOyster已经在改变传统的内容创作模式和交互体验。以游戏领域为例，开发者可以快速生成可玩原型，玩家能实时驱动世界演化，无需预设脚本即可实现动态剧情分支与开放世界探索，内容生产成本大幅降低，沉浸感也随之提升。在影视创作中，导演不再需要等待漫长的渲染周期，直接用自然语言描述创意，系统就能实时生成分镜画面，还能在视频任意节点改变镜头、角色和剧情，创意验证时间大大缩短。文旅与教育领域同样大有可为：用户不再被动观看历史复原视频，而是能以第一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，从知识传递升级为沉浸式体验。未来，HappyOyster还可应用于线下智能空间或娱乐场景，例如与穿戴设备等智能硬件结合，根据人的位置、动作和语言动态，实时生成沉浸式内容，让数字世界与现实同步共振。

*附HappyOyster正式链接：

https://www.happyoyster.cn/