我把昨晚的梦输入AI，它居然直接把我拉进去玩儿了一把？！

< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400"> 我把昨晚的梦输入AI，它居然直接把我拉进去玩儿了一把？！ 闻乐 2026-06-19 16:42:04 来源： 量子位 创作者的终极玩具来了 闻乐 发自 凹非寺 量子位 | 公众号 QbitAI 先说个事儿，我昨天做了个挺好玩儿的梦：踩着滑板在城市大道上飞！驰！ 醒过来还意犹未尽，结果没想到AI不光帮我还原了画面，还把我拉进梦里玩了一把。 我踩着滑板往前冲，换方向、加速、跳跃、甚至秀了个Ollie（豚跳）～ 视频地址：https://mp.weixin.qq.com/s/J5v3jVnHSdluRKxRz9cCSg 属实给我整精神了，AI啥时候会干的这事？？ 不卖关子了，这是 HappyOyster 1.0（快乐生蚝） 实现的，阿里ATH推出的 可实时构建和交互的开放式世界模型 产品。 看到世界模型四个字，可能有朋友好奇：这和我之前玩的Sora那些有啥区别？不都是AI生成画面嘛？ 嗯……还真不是一回事。 咱先简单聊两句行业现状啊，过去这一年多，AI视频赛道卷得确实热闹，各种产品轮番上场，画面精度一个比一个高，看着确实挺惊艳。 但用多了就会发现一个共性问题：它们都是「单程票」。 你写一段描述，模型渲染出一段视频，生成完，就完了，然后你就只能看，更不能跟画面里的角色互动。 而且时间一拉长，画面大概率就会崩坏，比如角色前一秒拿着剑后一秒空手了，走两步脸都换了一张。 这也是为啥市面上AI视频基本都是短片段，不是不想做长，是长了真绷不住啊…… 说白了，当前文生视频的天花板，就是一段好看但不可更改的影像素材； 而HappyOyster 1.0做的是一件完全不同的事—— 打造一个 完整可演绎、可探索、可互动 的数字世界。 画面生成出来的那一刻，体验才刚开始。你可以一边看一边下指令，世界实时反馈并持续演化。 就好像以前你是观众，现在你成了世界的…主人。 那这只快乐生蚝到底有多快乐呢？？下面就继续实打实测一波！ 世界是活的，你就是主角 HappyOyster 1.0主打两大核心模式： Adventure（世界探索） 和 Directing（实时导演） 。 Adventure是「用动作探索，世界即刻延展」的开放漫游模式，你亲自下场当主角； Directing是「用镜头叙事，故事随心掌控」的导播执导模式，你站在世界之上当导演。 一个管“身体”，一个管“脑子”，覆盖了两种截然不同的创作和体验诉求。 咱先来体验Adventure模式。 我丢了一张吉卜力风格的草原图进去，画面生成的一瞬间直接把我拉了进去，整个画面是活的，在等我操作。 那我就不客气了，直接动手！ 1.0版本新增了一套很丰富的交互按键，有 加速、下蹲、攻击、跳跃 ，操作手感跟你玩的3A大作相当接近。 我按了一下前冲，少年迈腿就跑起来；按攻击键，少年开始挥剑；再按跳跃，少年腾空而起，落地那一刻角色屈膝动作，镜头有个上升和下坠的变化，这细节属实拉满了。 关键是，这些全都不是预先做好的动画素材， 是模型根据你的操作实时推演出来的 。 为啥这么说呢？因为同一个场景我反复试了好几次，每次动作角度不一样，角色的姿态也不一样。 而且模型有个很聪明的设定，它会根据场景内容自动匹配可玩的交互方式。 比如我这个画面里有马车，世界就会解锁骑马互动彩蛋。少年走到马车旁，触发对应操作指令，就能直接上马骑行！！ 视频地址：https://mp.weixin.qq.com/s/J5v3jVnHSdluRKxRz9cCSg 如果创建的世界里有汽车，那么就会自动匹配开关车灯、鸣笛的玩法，主打一个 「画面有什么，就能玩什么」 。 视频地址：https://mp.weixin.qq.com/s/J5v3jVnHSdluRKxRz9cCSg 而且探索过程中还能随时 截屏留存画面 ，也能保存世界，一键对外分享链接，别人点进来就能看到你创建的完整世界。 意思是，方便发朋友圈了（doge）。 如果说Adventure是让你下场当主角，那Directing就更过瘾了，直接让你当导演。 Directing支持 多模态参考 ，@一张图片就能锁定角色外观，咱直接就是一个POV恋爱互动先安排上！ 我给她设定了一个近景特写镜头，全程第一视角对视，然后随手打了几条互动指令，效果be like： 视频地址：https://mp.weixin.qq.com/s/J5v3jVnHSdluRKxRz9cCSg 好好好，AI生视频这下都吃上自助餐了，我狂吃！ 而且1.0版本在Directing模式上做了几个相当重磅的升级，体验完之后我只想说：这才是创作者的终极玩具！ 我先用一条prompt启动了一段剧情： 在舞台上，两个人面对面激烈争吵。 看了大概二十秒之后，我觉得剧情可以转折了。 于是我输入了一条新指令： 他们突然释怀了，紧紧拥抱在一起。 接收到新指令后，两个角色的表情开始缓和，身体从对抗姿态慢慢转向靠近，最后紧紧拥抱在一起。 视频地址：https://mp.weixin.qq.com/s/J5v3jVnHSdluRKxRz9cCSg 而且，整个过程中，不光是场景，两个角色的脸、衣服、体态、发型完全没有变！！ 好戏还没完—— 1.0另外杀手锏功能是 回溯 和 剧情分支 。 比如，我可以直接回退到争吵的那个节点，换条完全不同的指令，画面就会重新演化。 或者从同一个节点续写，设计出A、B两条完全不同的故事线。 等等，这不就是创作者梦寐以求的平行宇宙嘛！！！ 而且所有这些操作都是流式生成的，即说即演，不用等渲染。你随时插话，剧情随时响应，这对内容行业来说，属实是黑科技啊…… 更贴心的是，官方还写了份体验指南放在网页上，教你怎么创建更好的世界～ 为什么能让世界动起来？ 上面体验了这么多，估计有朋友已经按捺不住了： 这玩意儿到底是怎么做到的？跟文生视频在技术上有啥区别？ 咱先把最根本的概念差异说清楚： 文生视频 的工作方式是 文本→视频的单向条件映射 ，你输入一段描述，模型一次性离线渲染出一段固定的像素序列。 世界模型 学的则是一套完全不同的东西，是 当前状态+用户动作→下一个状态的转移规律 。 △图片AI生成 这就要求模型必须同时具备三重能力：物理规律的隐式建模、长程因果链路的追踪、外部干预的即时响应。 首先要说的就是 闭环世界状态建模 。 要让一个世界持续运行，最朴素的思路是记住所有历史画面，每生成新一帧，就回头看前面所有帧来保持连贯性。 但问题是，这么干计算量会指数级膨胀，时间一长直接寄。 HappyOyster 1.0在这里把世界状态压缩成隐状态摘要（Latent State），在生成链路上递归传递，支撑长程一致性。 就像接力跑一样，跑下一棒之前，上一棒把「关于现在世界的一切」写成一张纸条递过去，一棒一棒往后传。 每生成新的一帧，模型只需要拿到上一帧的那张纸条加上你新发出的指令，就能推演出下一帧。 所以几分钟下来世界不会乱、因果关系不会断。 而且1.0版本因为这个纸条可以被存档，所以暂停、回溯、