阿里又放大招！一句話，造一個能走進去的世界

新智元報道

【新智元導讀】今天，阿里重磅上線HappyOyster 1.0世界模型，一句話直接生成可實時探索、物理交互的開放世界！

「快樂生蠔」，真的來了！

今天，阿里正式放出了HappyOyster 1.0——這是一款可實時構建和交互的開放式世界模型產品。

一句話，即可生成一個完整、可演繹、可探索、可互動的數字世界。

2個月前，阿里曾把「快樂生蠔」放進了公眾視野，如今這只生蠔終于長成了1.0。

一句話，一個世界，這次是真的實現了。

世界模型，AI下一個戰場

過去兩年，文生視頻已經相當成熟。

輸入一句話，等上幾十秒，就能拿到一段成片，它把「文本變成畫面」這件事，做得很好。

只不過，成片有它天然的邊界：畫面生成完，這段視頻就定稿了，你能做的是「看」，而不是「參與」。

而世界模型想做的，是另一件事：讓你不只是看一段視頻，而是走進一個能實時互動、隨時改變走向的世界。

這無關誰取代誰，文生視頻交付的是「一段結果」，世界模型為你創造的是「一段體驗」——

你給一張圖、一段話，它生成的那一刻，體驗才剛開始。

那它具體是怎么做到的？

它把視頻，當成一個需要被持續推演的世界狀態，學習世界如何隨時間演化的規律——

空間怎么連續、物體怎么守恒、動作之后會引發什么反饋。

它要做的，不再只是「把內容生成出來」，而是「把一個世界持續推演下去」。

放眼全世界，硅谷大廠、AI大佬創業公司，紛紛押注「世界模型」這一賽道。

這其中，不僅有谷歌DeepMind的Genie，也有李飛飛團隊傾力打造的Marble。

在這場角逐中，阿里HappyOyster強勢入局，路線非常明確：主動式、實時——

你說話的同時，世界就在回應你。

HappyOyster命名的靈感，來源沙翁的名言——The world is your oyster（世界是你的牡蠣 ，撬開它）

如今，阿里把將這句箴言刻印在「世界模型」上，態度很直白：世界，由你來撬開。

快樂生蠔，一手實測

這一次，HappyOyster 1.0核心版本升級，主打兩大功能——

• 世界探索（Adventure）：你就是世界里角色的一部分，一句話、一張圖，即可開啟任意世界的探索。

• 實時導演（Directing）：你就成了那個站在世界之上的人，去導演一整個故事。

百聞不如一見，接下來，我們將開啟一場全面的硬核實測。

世界探索：你就是世界里的「主角」

一句話或一張圖，你就進入一個可漫游、可戰斗、可互動的開放世界。

第一人稱、第三人稱隨你切，還支持1分鐘以上的實時位移與鏡頭控制。

「世界探索」新增了一整套豐富的交互動作：前沖 / 加速、下蹲、攻擊、跳躍，還支持更復雜的環境交互——乘坐駕駛載具、使用各類武器戰斗。

它真正把「看一個世界」變成了「在一個世界里活動」。

下面這個測試中，我們讓HappyOyster 1.0生成了兩個壯漢在地下拳館格斗的場景。

這一場格斗里，攻擊、跳躍、閃避這些動作，都是實時操控出來的——出拳、反擊、再追打，節奏完全跟著指令走。

關鍵是，一拳打出去，命中之后對手會觸發「踉蹌倒退」的受擊反應。

HappyOyster憑借著對客觀世界的理解能力，根據場景實時演化對應的物理交互，讓各種復雜動作實時發生。

除了戰斗場景外，HappyOyster 1.0還可以絲滑處理各類連貫交互動作。

下面這個地牢測試中，人物竟可以主動使用道具——火把。而且，場景的光照狀態完成了合理的切換。

再比如這臺復古老爺車，你可以指揮人物開門、上車，再操控他把車開出去。

從「看一輛車」到「上車把它開走」，中間差的就是能不能實時操控這一步。

世界會不會對動作做出實時反饋，雪地是個很好的試金石。

比如下面這個視頻中，一名探險者深一腳淺一腳走過厚雪覆蓋的山脊，每步留下腳印、踩塌的雪揚起雪粉。

更關鍵的是，不管世界換成什么畫風，任何人都能一樣地走進去、實時下指令。

如下視頻中，是一個黏土風格的微觀廚房，可以指揮角色在這個小世界里走動、探索，想去哪、做什么，都是實時演化說了算。

實時導演：站在世界之上，一邊演一邊改

Directing模式能直接讓你當導演。流式生成、即說即演，隨時注入指令改走向。

它的三大特性，每一條都是一種全新的交互體驗：

暫停：任意時刻凍結世界，想好了再繼續；

回溯：演到一半折回任意節點重新來過，原版本保留不丟；

劇情分支：從同一個節點分叉出完全不同的走向。

加上首發的多模態參考（用@圖片鎖定角色外觀，3分鐘長程一致），試錯成本被壓到了極低。

通過HappyOyster，便可以第一視角沉浸式體驗和數字人的交互，包括捏臉、說話全部都是實時的。

亦或是，化身為漫劇導演，親自執導一場霸總大戲。

劇情的走向、角色的命運，一切全都由你的想象力來主宰。只需在對話框中，輸入指令，AI便會按著劇本來演了。

創作過程中，可以隨時喊停，等創意想好了還能繼續。

再來一部「后宮甄貓傳」，一個人就能導演一部戲。

再來看下面這個demo，二次元老婆換裝，想要哪種風格的，一句話直接搞定。

核心技術拆解

HappyOyster 1.0 和我們熟悉的文生視頻模型，不是同一類東西。

差別不在畫面，而在兩者學習的目標。

文生視頻學的是「文本→視頻」的單向映射——給一段描述，產出一段對應的成片，生成完，這件事就結束了。

世界模型則不同，它學的是：當前狀態＋你的動作　→　下一個狀態的轉移規律。

模型必須先理解當前的場景結構、實體屬性、物理關系，還要在你隨時丟過來指令的情況下，準確預測并渲染世界的下一個狀態。

用戶不再是被動的觀察者，而是可以在「世界」里持續交互——體驗的核心是中途互動本身。

那么問題來了，HappyOyster 1.0 是怎么把這件事做成的？

它的技術優勢可以概括為四點，層層遞進。

第一，世界狀態建?！澜缒艹掷m跑下去的基礎。

HappyOyster 把世界的當前狀態壓縮成一份緊湊的隱狀態摘要（Latent State），每生成一段內容就更新摘要，再把更新后的摘要遞歸傳給下一段。

這就像是一場接力賽跑，上一棒把「關于現在世界的一切」寫成一張小紙條遞給下一棒。

紙條在手，世界的因果就一直接得上——幾分鐘跑下來，世界不會亂、因果關系不會斷。

更關鍵的是，正因為狀態摘要可序列化、可存檔，HappyOyster 1.0 才得以支持暫停、回溯和劇情分支這些進階功能。

第二，內生一致性——世界「不崩」的保障。

HappyOyster 以持久的參考表征參與全程注意力。

簡單理解就是，進入世界時給每個人物、每件關鍵道具發一張「身份卡」，模型全程帶著這張卡生成。

這樣，當角色轉個身、被擋住，甚至走出畫面過幾分鐘再出現時，長相、衣著、物品都不會變樣、不會變形。

一致性不靠運氣，而是從架構層面就是內生的。

第三，開放因果動作空間——世界「能玩」的核心。

世界生成穩了，接下來的關鍵是怎么和它交互。

HappyOyster 的做法是讓動作指令和自然語言共享同一套語義接口，不需要預定義動作集。

比如，用戶按下「攻擊」鍵，HappyOyster不只是播一個「揮劍」的動畫，它能自主推演出整條因果鏈——

出手→命中→NPC 受擊倒地→地面揚塵→旁邊的酒杯被震落。

這些因果不是開發者一個一個寫好的腳本，而是模型通過大規模因果訓練自己學會的。

正因如此，它能自然遷移到從未見過的場景，并根據用戶指令推理出新的因果關系。

這是世界模型區別于靠腳本與邏輯拼接的「游戲引擎」的最本質之處。

第四，長時序音視頻協同——世界「活著」的質感。

最后一層是感官的完整性。

HappyOyster 的音畫是在同一世界狀態下聯合解碼生成的——世界狀態展開的同時，聲音和畫面一起長出來。

腳踩碎石有碎石聲，引擎加速有轟鳴，風穿過峽谷有呼嘯聲——聲音不是后期配的，是世界本身的一部分。

這四個點合在一起，HappyOyster 就成為了一個可持續推演的世界模擬器——跑得久、不會崩、可控制、有聲音。

從「技術玩具」到「生產力」

誰會最先用起來

HappyOyster 1.0的想象空間，遠不止「玩」。

把它放進各行各業，會看到一條共同的主線：每個場景的價值都不在畫面本身，而在「實時互動」。

用戶能在生成過程中隨時介入、即時改變世界的走向。

對不同落地場景來說，這正是世界模型這個新品類最有想象力的地方。

交互式游戲是最直接的落地場景。

傳統的開放世界原型驗證需要幾個月建資產庫、搭物理引擎、調NPC行為樹。

現在一句話，就能生成帶實時物理反饋的開放世界原型。

從FPS戰區到國風武俠對決，策劃用它驗證關卡、測試NPC交互邏輯、感受戰斗節奏，而玩家的每一次操作都在實時驅動事件走向。

速度從以周計縮到以小時計。

實時虛擬陪伴，是「世界探索」與「實時導演」都能托起的方向。

它能實時生成一個隨時可交互的虛擬角色：能聽能說、長時間相處還保持一致，用戶可以隨時指揮它的動作。

虛擬伙伴、數字人IP、品牌虛擬形象，都能借此從「播一段片」升級為「實時陪著你」。

在互動短劇上，HappyOyster 1.0的暫停、回溯、分支三件套，等于把「分支敘事」的能力直接交給了創作者。

一個開頭分叉出十條故事線，觀眾能在關鍵節點注入自己的指令、實時改寫走向——

名場面重寫結局、POV戀愛互動，制作方式也從「預先拍好多條線、每條都花錢」變成了「實時生成任意一條線」。

還有直播，是「實時」屬性最天然的落點。

場景與角色都是實時生成的，主播或觀眾的一句指令就能即時改變畫面走向。

無論是虛擬主播，還是實時互動直播，觀眾都不再只是「看」，而是能直接參與到畫面的演化里。

文旅與虛擬體驗則把「去哪、看什么」實時交給用戶，同時利用世界模型在「無真實數據場景」中的模擬能力。

月球表面、海底宮殿、高魔幻境——這些現實中拍不到的地方，HappyOyster能在像素空間里持續模擬出來。

HappyOyster 1.0版本把「一句話造世界」從概念變成了今天就能用的產品。

而據官方透露，API預計7月初開放——屆時，開發者和B端的生態想象力還會進一步打開。

國內站 www.happyoyster.cn 已上線，手機號即可注冊，每天登錄送免費創作積分。

剩下的，就交給你的創造力了。