阿里一句话生成可走进的3D世界

新智元报道

【新智元导读】今天，阿里重磅上线HappyOyster 1.0世界模型。仅需一句话，便能生成一个完全实时、可探索、具备物理交互能力的开放世界！

「快乐生蚝」，终于正式亮相。

今天，阿里正式发布HappyOyster 1.0。这是一款能够实时构建并交互的开放式世界模型产品。只需一句话，你就能生成一个完整的数字世界——它可以演绎剧情、支持探索，还能实现实时互动。

两个月前，阿里将「快乐生蚝」的概念带入公众视野；如今，这只生蚝终于成长为1.0版本。一句话，一个世界，这次不再是概念上的设想。

世界模型，AI的下一个竞争高地

过去两年，文生视频技术已相当成熟。输入一句话，等待几十秒，就能获得一段成片。它成功实现了「文本转画面」这一目标。

但成片有其固有的局限：画面生成完毕，这段视频便定稿了。你只能「观看」，而无法「参与」其中。

世界模型想要实现的是另一件事：让你不仅能看一段视频，还能走进一个可以实时互动、随时改变走向的世界。

这并非谁取代谁的问题。文生视频交付的是一段成品，而世界模型创造的是“一段体验”——你提供一张图或一句话，生成的那一刻，体验才刚刚开始。

它具体是如何做到的？它不是将视频视为固定的画面序列，而是当作一个需要持续推演的世界状态。它学习的是世界随时间演化的规律——空间如何连续、物体如何守恒、动作之后会引发什么反馈。

它要做的不再仅仅是「把内容生成出来」，而是「把一个世界持续推演下去」。

放眼全球，硅谷大厂、AI创业公司纷纷押注「世界模型」这一赛道。其中包括谷歌DeepMind的Genie，以及李飞飞团队倾力打造的Marble。

在这场角逐中，阿里HappyOyster强势入局，技术路线非常明确：主动式、实时。你说话的同时，世界就在回应你。

HappyOyster的命名灵感来源于莎士比亚的名言——The world is your oyster。如今，阿里将这句箴言印刻在「世界模型」上，态度直白：世界，由你来撬开。

快乐生蚝，一手实测体验

这一次，HappyOyster 1.0核心版本升级，主打两大功能——

世界探索：你成为世界里角色的一部分。一句话、一张图，即可开启任意世界的探索旅程。

实时导演：你化身站在世界之上的导演，去编排一整个故事。

百闻不如一见。接下来，不妨进行一场全面的硬核实测。

世界探索：你就是世界里的「主角」

一句话或一张图，你就能进入一个可漫游、可战斗、可互动的开放世界。支持第一人称与第三人称自由切换，还具备1分钟以上的实时位移与镜头控制能力。

「世界探索」新增了一整套丰富的交互动作：前冲/加速、下蹲、攻击、跳跃，甚至支持更复杂的环境交互——乘坐驾驶载具、使用各类武器战斗。

它真正将「看一个世界」变成了「在一个世界里活动」。

在下面这个测试中，我们让HappyOyster 1.0生成了两个壮汉在地下拳馆格斗的场景。攻击、跳跃、闪避这些动作，都是实时操控出来的——出拳、反击、再追打，节奏完全跟随指令变化。

关键在于，一拳打出去命中之后，对手会触发「踉跄倒退」的受击反应。HappyOyster凭借对客观世界的理解能力，根据场景实时演化对应的物理交互，让各种复杂动作实时发生。

除了战斗场景，HappyOyster 1.0还能流畅处理各类连贯交互动作。下面这个地牢测试中，人物竟能主动使用道具——火把。而且，场景的光照状态也完成了合理的切换。

再比如这台复古老爷车，你可以指挥人物开门、上车，再操控他把车开出去。从「看一辆车」到「上车把它开走」，中间差的正是能否实时操控这一步。

世界会不会对动作做出实时反馈，雪地是一个很好的试金石。比如下面这个视频中，一名探险者深一脚浅一脚走过厚雪覆盖的山脊，每一步留下脚印、踩塌的雪扬起雪粉。

更关键的是，不管世界换成什么画风，任何人都可以同样地走进去、实时下指令。如下视频中，是一个黏土风格的微观厨房，可以指挥角色在这个小世界里走动、探索——想去哪、做什么，全由实时演化决定。

实时导演：站在世界之上，一边演一边改

Directing模式能直接让你当导演。流式生成、即说即演，随时注入指令改变剧情走向。

它的三大特性，每一条都是一种全新的交互体验：

暂停：任意时刻冻结世界，想好了再继续；

回溯：演到一半折回任意节点重新来过，原版本保留不丢失；

剧情分支：从同一个节点分叉出完全不同的发展路径。

再加上首发的多模态参考，试错成本被压到了极低。

通过HappyOyster，便可以第一视角沉浸式体验与数字人的交互，包括捏脸、说话全部都是实时的。

或者，化身为漫剧导演，亲自执导一场霸总大戏。剧情的走向、角色的命运，一切全都由你的想象力来主宰。只需在对话框中输入指令，AI便会按着剧本来演绎。

创作过程中，可以随时喊停，等创意想好了还能继续。再来一部「后宫甄猫传」，一个人就能导演一部戏。

再看看这个demo：二次元老婆换装，想要哪种风格，一句话直接搞定。

核心技术拆解

HappyOyster 1.0和我们熟悉的文生视频模型，不是同一类产品。差别不在画面，而在于两者学习的目标。

文生视频学的是「文本→视频」的单向映射——给一段描述，产出一段对应的成片，生成完毕，这件事就结束了。

世界模型则不同，它学习的是：当前状态＋你的动作　→　下一个状态的转移规律。模型必须先理解当前的场景结构、实体属性、物理关系，还要在你随时丢过来指令的情况下，准确预测并渲染世界的下一个状态。用户不再是被动的观察者，而是可以在「世界」里持续交互——体验的核心正是中途互动本身。

那么，HappyOyster 1.0是如何实现这一点的？它的技术优势可以概括为四点，层层递进。

第一，世界状态建模——世界能持续跑下去的基础。

HappyOyster把世界的当前状态压缩成一份紧凑的隐状态摘要，每生成一段内容就更新摘要，再把更新后的摘要递归传递给下一段。这就像一场接力赛跑：上一棒把「关于现在世界的一切」写成一张小纸条递给下一棒。纸条在手，世界的因果关系就能一直衔接——几分钟跑下来，世界不会乱，因果关系不会断。

更关键的是，正因为状态摘要可序列化、可存档，HappyOyster 1.0才得以支持暂停、回溯和剧情分支这些进阶功能。

第二，内生一致性——世界「不崩」的保障。

HappyOyster以持久的参考表征参与全程注意力。简单理解就是：进入世界时给每个人物、每件关键道具发一张「身份卡」，模型全程带着这张卡生成。这样，当角色转个身、被挡住，甚至走出画面过几分钟再出现时，长相、衣着、物品都不会变样、不会变形。一致性不靠运气，而是从架构层面就是内生的。

第三，开放因果动作空间——世界「能玩」的核心。

世界生成稳定后，接下来的关键是如何与之交互。HappyOyster的做法是让动作指令和自然语言共享同一套语义接口，不需要预定义动作集。比如，用户按下「攻击」键，HappyOyster不只是播放一个「挥剑」的动画，它能自主推演出整条因果链——出手→命中→NPC受击倒地→地面扬尘→旁边的酒杯被震落。这些因果不是开发者一个一个写好的脚本，而是模型通过大规模因果训练自己学会的。

正因如此，它能自然迁移到从未见过的场景，并根据用户指令推理出新的因果关系。这是世界模型区别于靠脚本与逻辑拼接的「游戏引擎」的最本质之处。

第四，长时序音视频协同——世界「活着」的质感。

最后一层是感官的完整性。HappyOyster的音画是在同一世界状态下联合解码生成的——世界状态展开的同时，声音和画面一起长出来。脚踩碎石有碎石声，引擎加速有轰鸣声，风穿过峡谷有呼啸声。声音不是后期配的，而是世界本身的一部分。

这四个方面合在一起，HappyOyster就成为了一个可持续推演的世界模拟器——跑得久、不会崩、可控制、有声音。

从「技术玩具」到「生产力工具」

HappyOyster 1.0的想象空间，远不止于「玩」。把它放进各行各业，会看到一条共同的主线：每个场景的价值都不在画面本身，而在「实时互动」。用户能在生成过程中随时介入、即时改变世界的走向。对不同落地场景来说，这正是世界模型这个新品类最有想象力的地方。

交互式游戏是最直接的落地场景。传统的开放世界原型验证需要几个月建资产库、搭物理引擎、调NPC行为树。现在一句话，就能生成带实时物理反馈的开放世界原型。从FPS战区到国风武侠对决，策划用它验证关卡、测试NPC交互逻辑、感受战斗节奏，而玩家的每一次操作都在实时驱动事件走向。速度从以周计缩到以小时计。

实时虚拟陪伴，是「世界探索」与「实时导演」都能承载的方向。它能实时生成一个随时可交互的虚拟角色：能听能说、长时间相处还保持一致，用户可以随时指挥它的动作。虚拟伙伴、数字人IP、品牌虚拟形象，都能借此从「播放一段视频」升级为「实时陪伴用户」。

在互动短剧上，HappyOyster 1.0的暂停、回溯、分支三件套，等于把「分支叙事」的能力直接交给了创作者。一个开头分叉出十条故事线，观众能在关键节点注入自己的指令、实时改写走向——名场面重写结局、POV恋爱互动，制作方式也从「预先拍好多条线、每条都花钱」变成了「实时生成任意一条线」。

还有直播，是「实时」属性最天然的落点。场景与角色都是实时生成的，主播或观众的一句指令就能即时改变画面走向。无论是虚拟主播还是实时互动直播，观众都不再只是「看」，而是能直接参与到画面的演化里。

文旅与虚拟体验则把「去哪、看什么」实时交给用户，同时利用世界模型在「无真实数据场景」中的模拟能力。月球表面、海底宫殿、高魔幻境——这些现实中无法拍摄的地方，HappyOyster能在像素空间里持续模拟出来。

写在最后

HappyOyster 1.0版本将「一句话造世界」从概念变成了今天就能用的产品。据最新消息，API预计7月初开放——届时，开发者和B端的生态想象力还将进一步打开。

官方网站 www.happyoyster.cn 已上线，手机号即可注册，每天登录送免费创作积分。

剩下的，就交给你的创造力了。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：阿里一句话生成可走进的3D世界要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题