阿里巴巴（BABA.US）近日宣布推出世界模型產品HappyOyster，這款基于原生多模態(tài)架構的生成式AI系統(tǒng)，在音視頻聯合生成領域實現突破性進展。該產品由阿里ATH創(chuàng)新事業(yè)部研發(fā)團隊打造，與旗下另一項目HappyHorse共享核心技術團隊，標志著中國科技企業(yè)在前沿模型領域的持續(xù)探索。

與傳統(tǒng)文生視頻模型依賴提示詞輸入的被動生成模式不同，HappyOyster采用長時序世界演化建模技術，通過融合文本指令、動作軌跡和圖像信號等多維度控制參數，主動模擬物理空間與因果關系演變。這種技術路徑與谷歌Genie3同屬世界模擬器流派，在生成質量、時序連貫性和內容可控性之間實現協(xié)同優(yōu)化。

產品核心功能包含"漫游"與"導演"雙模式：漫游模式支持用戶進行長達1分鐘的連續(xù)位移操作和鏡頭控制，生成畫面保持高分辨率與風格一致性；導演模式則突破性地實現3分鐘以上480p/720p實時生成，允許在任意時間節(jié)點通過多模態(tài)指令修改劇情走向或調整角色行為。目前兩種模式尚未完全融合，但開發(fā)團隊透露未來將向"探索-創(chuàng)作"一體化方向迭代。

該模型在應用場景測試中展現出顯著優(yōu)勢：游戲行業(yè)可降低30%以上的場景構建成本，影視制作周期縮短40%，文旅領域實現虛擬場景的實時交互升級，教育領域則通過動態(tài)模擬提升教學沉浸感。技術團隊特別強調，通過空間物理引擎與因果推理模塊的深度耦合，系統(tǒng)能準確呈現物體碰撞、光影變化等復雜物理現象。

據技術白皮書披露，HappyOyster的架構創(chuàng)新體現在三方面：一是構建了跨模態(tài)的統(tǒng)一表征空間，實現文本、圖像、動作的語義對齊；二是開發(fā)了動態(tài)時序編碼器，可處理長達10分鐘的連續(xù)交互數據；三是引入物理約束模塊，確保生成內容符合現實世界規(guī)律。目前該模型已在GitHub開源部分基礎組件，供開發(fā)者進行二次開發(fā)。