Loading video...

Video Failed to Load

There was a problem loading this video. This could be due to a temporary network issue or the video might be unavailable.

可交互游戏生成模型 GameGen-X 发布！！能够生成非常高质量的可以操作的游戏画面。 DiT 视频模型就是新的游戏引擎！模型创建角色、提供动态环境、复杂动作和多样化事件。 Epic CEO 看到 Oasis 实时生成游戏的时候就急了，直接开骂。红杉合伙人说再过五年看看，现在来看可能不需要 5 年。

歸藏(guizang.ai)

113,270 subscribers

13,421 views • 1 year ago •via X (Twitter)

Arts Gaming Science & Technology

Anya Rossi• Live Now

Private livecam show

4 Comments

歸藏(guizang.ai)1 year ago

角色生成

歸藏(guizang.ai)1 year ago

项目地址：

歸藏(guizang.ai)1 year ago

行动生成

歸藏(guizang.ai)1 year ago

开放世界生成

Related Videos

🔥马斯克表示xAI将大规模投入电子游戏开发，生成照片级逼真游戏！ FT报道，马斯克的XAI正在开发一种叫世界模型的AI技术，自动生成交互式的3D环境。 🚨用户可以像玩电子游戏一样，直接操控AI生成的视频内容。模型能根据玩家的操作实时生成场景。每个玩家的选择可能导致不同的故事发展或环境变化！

🔥马斯克表示xAI将大规模投入电子游戏开发，生成照片级逼真游戏！ FT报道，马斯克的XAI正在开发一种叫世界模型的AI技术，自动生成交互式的3D环境。 🚨用户可以像玩电子游戏一样，直接操控AI生成的视频内容。模型能根据玩家的操作实时生成场景。每个玩家的选择可能导致不同的故事发展或环境变化！

谢嘉琪

93,362 views • 9 months ago

游戏代打也要失业了? 来看 NVIDIA NitroGen NVIDIA 刚刚又发了个新模型 NitroGen，这是个只有 1B 大小却可以玩游戏的大模型，它接受视频帧输入，然后输出手柄操作。所以非常适合用来玩手柄可以操作的动作类游戏。这个模型最大的特点是，它是基于游戏视频本身学习的，以往互联网上虽然有很多游戏视频，但是游戏操作并没有记录下来，而 NitroGen 它利用了合成动作标签技术。研究团队通过大规模的逆动力学模型，从公开的互联网游戏视频中“反推”出当时玩家可能按下的键，从而人工合成了海量的训练数据，通过上万小时的纯视频数据进行预训练，打破了数据瓶颈。而且最重要的是，这个模型支持后训练。这意味着面对一款它从未见过的全新游戏不需要从头训练，只需少量的微调或适配即可上手游玩。

游戏代打也要失业了? 来看 NVIDIA NitroGen NVIDIA 刚刚又发了个新模型 NitroGen，这是个只有 1B 大小却可以玩游戏的大模型，它接受视频帧输入，然后输出手柄操作。所以非常适合用来玩手柄可以操作的动作类游戏。这个模型最大的特点是，它是基于游戏视频本身学习的，以往互联网上虽然有很多游戏视频，但是游戏操作并没有记录下来，而 NitroGen 它利用了合成动作标签技术。研究团队通过大规模的逆动力学模型，从公开的互联网游戏视频中“反推”出当时玩家可能按下的键，从而人工合成了海量的训练数据，通过上万小时的纯视频数据进行预训练，打破了数据瓶颈。而且最重要的是，这个模型支持后训练。这意味着面对一款它从未见过的全新游戏不需要从头训练，只需少量的微调或适配即可上手游玩。

karminski-牙医

103,392 views • 7 months ago

挺吓人的，英伟达新发布的模型NitroGen混成了游戏界的“六边形战士”，几乎啥都能玩，水平还不低。在收集筛选了40000小时、涵盖1000余款不同种类的游戏视频后训练出来的NitroGen能在多种不同类型的游戏场景中均表现出较强能力，包括：3D 动作游戏中的战斗对抗，2D 平台跳跃游戏中的高精度操作，以及程序生成世界中的探索任务。更重要的是，NitroGen 能够有效迁移到从未见过的新游戏。在相同任务设定下，其任务成功率相比从零开始训练的模型，最高可实现 52% 的相对提升。这里面很多游戏我还真认识，不是特别要操作的，就是玩着玩着会迷路的，我是甘拜下风了，大家觉得呢？

挺吓人的，英伟达新发布的模型NitroGen混成了游戏界的“六边形战士”，几乎啥都能玩，水平还不低。在收集筛选了40000小时、涵盖1000余款不同种类的游戏视频后训练出来的NitroGen能在多种不同类型的游戏场景中均表现出较强能力，包括：3D 动作游戏中的战斗对抗，2D 平台跳跃游戏中的高精度操作，以及程序生成世界中的探索任务。更重要的是，NitroGen 能够有效迁移到从未见过的新游戏。在相同任务设定下，其任务成功率相比从零开始训练的模型，最高可实现 52% 的相对提升。这里面很多游戏我还真认识，不是特别要操作的，就是玩着玩着会迷路的，我是甘拜下风了，大家觉得呢？

傅盛

195,840 views • 7 months ago

游戏代打行业要消失了？NVIDIA 发布新模型 NitroGen！ NVIDIA 最新开源模型 NitroGen，直接从游戏视频帧输入，输出手柄操作，能流畅玩上千款动作类游戏（如《赛博朋克2077》、《巫师3》）。核心创新：以往游戏视频多但无操作标签，NitroGen 用逆动力学模型从 4 万小时互联网公开视频中“反推”玩家按键，合成海量训练数据，实现纯模仿学习，突破数据瓶颈。最大亮点：支持快速适配！面对全新未见游戏，只需少量微调就能上手，不用从零训练。这不只颠覆游戏代打，还可延伸到机器人控制等领域。现已开源了模型、数据集和代码！

游戏代打行业要消失了？NVIDIA 发布新模型 NitroGen！ NVIDIA 最新开源模型 NitroGen，直接从游戏视频帧输入，输出手柄操作，能流畅玩上千款动作类游戏（如《赛博朋克2077》、《巫师3》）。核心创新：以往游戏视频多但无操作标签，NitroGen 用逆动力学模型从 4 万小时互联网公开视频中“反推”玩家按键，合成海量训练数据，实现纯模仿学习，突破数据瓶颈。最大亮点：支持快速适配！面对全新未见游戏，只需少量微调就能上手，不用从零训练。这不只颠覆游戏代打，还可延伸到机器人控制等领域。现已开源了模型、数据集和代码！

KK.aWSB

49,552 views • 7 months ago

这是一个 OpenAI 的 o1 模型编写网页游戏的案例，这个例子是编写一个找松鼠的游戏，屏幕上每秒钟增加一个🍓并且在跳动，你要控制一只🐨去躲草莓，等到3秒后，🐿️会出来，你要绕过🍓找到🐿️。这个游戏首先逻辑有一点复杂，另外是一个以前没出现过的游戏（如果我没记错的话），以前的模型可能是无法一次性生成可以运行的游戏代码。所以以前的模型在演示生成代码时，大多都是用一些贪吃蛇这种经典游戏来演示，毕竟代码都训练过，很容易就生成了。这里 o1 一次生成可以执行的结果，确实是不错的。生成游戏时的提示词：使用 pygame 制作一个名为“找松鼠”的游戏：每秒钟随机生成一个草莓，并在屏幕上弹跳。草莓的图标是 strawberry.png。如果草莓碰到你，你会死亡。三秒钟后，松鼠图标会生成并在屏幕上弹跳。松鼠的图标是 squirrel.png。如果你碰到它，你就赢了。 * 确保所有图标的大小为 10 像素乘 48 像素。 * 使用 resco colors 作为基础，在屏幕角落添加一个定时器。 * 在游戏开始前显示游戏说明。 * 当你赢或输时，游戏会自动重新开始。 * 在单人模式下完成游戏。

这是一个 OpenAI 的 o1 模型编写网页游戏的案例，这个例子是编写一个找松鼠的游戏，屏幕上每秒钟增加一个🍓并且在跳动，你要控制一只🐨去躲草莓，等到3秒后，🐿️会出来，你要绕过🍓找到🐿️。这个游戏首先逻辑有一点复杂，另外是一个以前没出现过的游戏（如果我没记错的话），以前的模型可能是无法一次性生成可以运行的游戏代码。所以以前的模型在演示生成代码时，大多都是用一些贪吃蛇这种经典游戏来演示，毕竟代码都训练过，很容易就生成了。这里 o1 一次生成可以执行的结果，确实是不错的。生成游戏时的提示词：使用 pygame 制作一个名为“找松鼠”的游戏：每秒钟随机生成一个草莓，并在屏幕上弹跳。草莓的图标是 strawberry.png。如果草莓碰到你，你会死亡。三秒钟后，松鼠图标会生成并在屏幕上弹跳。松鼠的图标是 squirrel.png。如果你碰到它，你就赢了。 * 确保所有图标的大小为 10 像素乘 48 像素。 * 使用 resco colors 作为基础，在屏幕角落添加一个定时器。 * 在游戏开始前显示游戏说明。 * 当你赢或输时，游戏会自动重新开始。 * 在单人模式下完成游戏。

宝玉

18,120 views • 1 year ago

如果你在做游戏, 那一定要看看这个大模型! 给大家带来腾讯刚刚发布的可以生成人物动作的大模型hunyuan-motion-1.0 实测这个模型最大的特性是可以通过文字描述生成动作, 并且它是端到端的模型, 生成的动作可以直接用于Blender、Unity、UE等主流3D工具我简单测试了几个极限场景, 这个模型对于日常场景的动作还原很不错, 甚至一些复杂一点的, 比如黑客帝国中的子弹时间的下腰动作还原得也不错. 那么极限在哪里呢? 简单来讲, 职业运动员的动作不太行, 比如跳台滑雪, 跳水, 小轮车这类. 总结, 这个模型用于快速生成游戏场景中NPC的日常生活动作是完全够用的, 不过主要角色的动作设计还是需要大量修改才能使用.

如果你在做游戏, 那一定要看看这个大模型! 给大家带来腾讯刚刚发布的可以生成人物动作的大模型hunyuan-motion-1.0 实测这个模型最大的特性是可以通过文字描述生成动作, 并且它是端到端的模型, 生成的动作可以直接用于Blender、Unity、UE等主流3D工具我简单测试了几个极限场景, 这个模型对于日常场景的动作还原很不错, 甚至一些复杂一点的, 比如黑客帝国中的子弹时间的下腰动作还原得也不错. 那么极限在哪里呢? 简单来讲, 职业运动员的动作不太行, 比如跳台滑雪, 跳水, 小轮车这类. 总结, 这个模型用于快速生成游戏场景中NPC的日常生活动作是完全够用的, 不过主要角色的动作设计还是需要大量修改才能使用.

karminski-牙医

35,854 views • 6 months ago

谷歌的实时生成世界模型genie 3开放测试。试了一下，太牛了！超低延迟，超高分辨率，超强的物理表现。互动影游和AI互动游戏要在今年爆发了！

谷歌的实时生成世界模型genie 3开放测试。试了一下，太牛了！超低延迟，超高分辨率，超强的物理表现。互动影游和AI互动游戏要在今年爆发了！

歸藏(guizang.ai)

126,587 views • 5 months ago

Kimi-K2.6 前端/后端/Agent编程能力实测! 甚至还帮我做了个游戏! 给大家带来刚刚正式发布的 kimi-k2.6 的正式版本的实测! 本次为了考验它的长程Agentic Coding能力, 我用 kimi-k2.6-code-preview 写了个 harness 游戏自动生成框架, 它可以根据给到的人设/场景/数值设计等规则, 自动生成关卡, 背景图片, 甚至配音! 其中框架驱动和草稿模型使用 kimi-k2.6, 文生图和生成语音由 kimi-k2.6 生成 prompt 后调用其它大模型生成. 最好玩的是, 我做了个"无头"版本的游戏cli接口, kimi-k2.6 能像玩互联网早期Mud游戏一样, 使用纯文本玩这个游戏, 每当它生成关卡之后, 他就可以直接进入游戏游玩一下, 来验证关卡设计得是否正确. 而内部设计又分为了对话生成skill, 脚本生成skill, 关卡生成skill, 游戏测试大师skill, 游戏资深玩家skill(由于检讨游戏性) 等等, 从而实现了让大模型自己写游戏自己玩! 每个关卡大概需要一个小时生成和验证, 如果并行验证应该还能更快一些(做多线程BFS/DFS). 另外本次依旧使用大家都熟悉的测试项目进行了前端/后端/Agent能力测试, 从测试来看, 复杂项目前端能力(建模, 空间理解, 物理模拟等)略有下降, 但后端和 Agent 能力有明显提升. 不过如果你是纯做网站的话, 可以用 kimi 网站上的的 k2.6 Agent 模式, 由于 Agent 能力足够强所以可以在这个模式下多步来提升生成的网站质量和交互体验. #kimi #kimik26 #moonshot #月之暗面 #kimicli

Kimi-K2.6 前端/后端/Agent编程能力实测! 甚至还帮我做了个游戏! 给大家带来刚刚正式发布的 kimi-k2.6 的正式版本的实测! 本次为了考验它的长程Agentic Coding能力, 我用 kimi-k2.6-code-preview 写了个 harness 游戏自动生成框架, 它可以根据给到的人设/场景/数值设计等规则, 自动生成关卡, 背景图片, 甚至配音! 其中框架驱动和草稿模型使用 kimi-k2.6, 文生图和生成语音由 kimi-k2.6 生成 prompt 后调用其它大模型生成. 最好玩的是, 我做了个"无头"版本的游戏cli接口, kimi-k2.6 能像玩互联网早期Mud游戏一样, 使用纯文本玩这个游戏, 每当它生成关卡之后, 他就可以直接进入游戏游玩一下, 来验证关卡设计得是否正确. 而内部设计又分为了对话生成skill, 脚本生成skill, 关卡生成skill, 游戏测试大师skill, 游戏资深玩家skill(由于检讨游戏性) 等等, 从而实现了让大模型自己写游戏自己玩! 每个关卡大概需要一个小时生成和验证, 如果并行验证应该还能更快一些(做多线程BFS/DFS). 另外本次依旧使用大家都熟悉的测试项目进行了前端/后端/Agent能力测试, 从测试来看, 复杂项目前端能力(建模, 空间理解, 物理模拟等)略有下降, 但后端和 Agent 能力有明显提升. 不过如果你是纯做网站的话, 可以用 kimi 网站上的的 k2.6 Agent 模式, 由于 Agent 能力足够强所以可以在这个模式下多步来提升生成的网站质量和交互体验. #kimi #kimik26 #moonshot #月之暗面 #kimicli

karminski-牙医

40,013 views • 2 months ago

兄弟们这个模式可能是一个AI 游戏新物种 Yoroll：世界模型+AI视频模型打造了一种全新的游戏体验他们把视频生成模型从“内容工具”变成“游戏运行层” 也就是通过AI视频模型来为游戏生成剧情和情节走向他们设计了一个三层分离的结构：表现层：由AI视频生成模型驱动，相当于一个"AI 导演"，根据游戏状态实时"拍摄"每个场景交互层：翻译玩家行为，支持选项、点击、滑动、长按、连点、对抗点击等多种 QTE 玩法系统层：是确定性的游戏逻辑引擎，负责状态管理、分支系统和世界模型官方案例：一个没写过剧本、没碰过游戏引擎的《甄嬛传》粉丝，花了不到一周，做出了一款性转版的《甄嬛传》 AI 互动游戏 Demo。抖音单条视频数万赞，播放量过百万。这个项目叫"华君传"，女尊世界观，男性入宫，宫廷权谋加情感博弈，玩家的每一个选择都会把剧情推向不同方向... 这套设计最聪明的地方在于：视频模型和游戏逻辑被彻底解耦了。就像 Netflix 把同一部电影从 1080p 升级到 4K，剧情剪辑一字不改。 AI 只管画面，你看到的场景、镜头、画面表现，这些交给 AI 视频模型去生成。逻辑由系统管，你选了什么、血量多少、剧情该往哪走、谁是敌人谁是盟友，这些全部由一套固定的逻辑引擎来记录和控制，不靠 AI 猜。 AI 负责好看和剧情，系统负责靠谱，两边各干各的，互不干扰。这样一来，以后 AI 视频模型升级了，画面直接变好，但游戏逻辑、你的存档、剧情分支全都不用动。游戏质量只会提高，而且可玩性也会有很大变化...

兄弟们这个模式可能是一个AI 游戏新物种 Yoroll：世界模型+AI视频模型打造了一种全新的游戏体验他们把视频生成模型从“内容工具”变成“游戏运行层” 也就是通过AI视频模型来为游戏生成剧情和情节走向他们设计了一个三层分离的结构：表现层：由AI视频生成模型驱动，相当于一个"AI 导演"，根据游戏状态实时"拍摄"每个场景交互层：翻译玩家行为，支持选项、点击、滑动、长按、连点、对抗点击等多种 QTE 玩法系统层：是确定性的游戏逻辑引擎，负责状态管理、分支系统和世界模型官方案例：一个没写过剧本、没碰过游戏引擎的《甄嬛传》粉丝，花了不到一周，做出了一款性转版的《甄嬛传》 AI 互动游戏 Demo。抖音单条视频数万赞，播放量过百万。这个项目叫"华君传"，女尊世界观，男性入宫，宫廷权谋加情感博弈，玩家的每一个选择都会把剧情推向不同方向... 这套设计最聪明的地方在于：视频模型和游戏逻辑被彻底解耦了。就像 Netflix 把同一部电影从 1080p 升级到 4K，剧情剪辑一字不改。 AI 只管画面，你看到的场景、镜头、画面表现，这些交给 AI 视频模型去生成。逻辑由系统管，你选了什么、血量多少、剧情该往哪走、谁是敌人谁是盟友，这些全部由一套固定的逻辑引擎来记录和控制，不靠 AI 猜。 AI 负责好看和剧情，系统负责靠谱，两边各干各的，互不干扰。这样一来，以后 AI 视频模型升级了，画面直接变好，但游戏逻辑、你的存档、剧情分支全都不用动。游戏质量只会提高，而且可玩性也会有很大变化...

小互

26,216 views • 3 months ago

朋友圈看到曲凯发的这个《EVE》3D AI伴侣的演示也太好了。建模、动作和声音都无可挑剔，还有多模态能力。做成手机APP确实比电脑要用要好，可以在使用电脑工作或者游戏的时候随时触发。

朋友圈看到曲凯发的这个《EVE》3D AI伴侣的演示也太好了。建模、动作和声音都无可挑剔，还有多模态能力。做成手机APP确实比电脑要用要好，可以在使用电脑工作或者游戏的时候随时触发。

歸藏(guizang.ai)

224,100 views • 1 year ago

不是，这就搞定了一个内容实时生成的AI漫剧游戏嘛？灵感来自向阳乔木和 Roi，可以将任何剧本生成类似于 Galagame 的游戏。有TTS阅读对话，同时呢还会自动生成背景图，自动生成每个角色的人物立绘。感觉这玩意儿都能直接做一个产品了，我操。你有剧情，你就可以生成对应的漫剧或者是对话游戏。

不是，这就搞定了一个内容实时生成的AI漫剧游戏嘛？灵感来自向阳乔木和 Roi，可以将任何剧本生成类似于 Galagame 的游戏。有TTS阅读对话，同时呢还会自动生成背景图，自动生成每个角色的人物立绘。感觉这玩意儿都能直接做一个产品了，我操。你有剧情，你就可以生成对应的漫剧或者是对话游戏。

歸藏(guizang.ai)

69,001 views • 8 months ago

接近生产级别的的3D生成模型 Rodin Gen-1 正式上发布可以在几十秒内通过文本生成高质量可直接使用的3D模型，这些模型使用四边形构造，并具有逼真的材质效果（看起来很真实）。 Rodin几乎达到了可以在实际项目和商业用途中直接应用的标准。生成的3D模型质量非常高，细节丰富，足以满足生产级别的要求。

接近生产级别的的3D生成模型 Rodin Gen-1 正式上发布可以在几十秒内通过文本生成高质量可直接使用的3D模型，这些模型使用四边形构造，并具有逼真的材质效果（看起来很真实）。 Rodin几乎达到了可以在实际项目和商业用途中直接应用的标准。生成的3D模型质量非常高，细节丰富，足以满足生产级别的要求。

小互

16,399 views • 2 years ago

一个模型搞定视频+音频+口型! 你看到的这个就是 LTX 刚刚发布的 LTX-2 开放权重大模型, 这个模型可以文生视频或者图生视频, 这个模型最大的特点是在保证了画质和一致性的同时, 可以生成音频! 而且音频和口型完全适配! 并且说话人神态也非常棒! 模型大小是 19B, 相当可用! 演示视频是我用 HuggingFace Zero GPU 生成的 demo, 10秒视频大概需要5分钟左右生成时间. 我测试目前来看最大的优点就是口型和声音生成得非常好, 并且一致性很高. 指定人物使用什么样的银色就能稳定生成. 当然模型也有不足之处, 主要是还是偶尔能看到模型生成人物皮肤的那种油腻感. 当然官方的 pro 版本在这点上处理的更好, 并且 pro 版本支持4K分辨率输出, 当然 pro 版本是没有开源的.

一个模型搞定视频+音频+口型! 你看到的这个就是 LTX 刚刚发布的 LTX-2 开放权重大模型, 这个模型可以文生视频或者图生视频, 这个模型最大的特点是在保证了画质和一致性的同时, 可以生成音频! 而且音频和口型完全适配! 并且说话人神态也非常棒! 模型大小是 19B, 相当可用! 演示视频是我用 HuggingFace Zero GPU 生成的 demo, 10秒视频大概需要5分钟左右生成时间. 我测试目前来看最大的优点就是口型和声音生成得非常好, 并且一致性很高. 指定人物使用什么样的银色就能稳定生成. 当然模型也有不足之处, 主要是还是偶尔能看到模型生成人物皮肤的那种油腻感. 当然官方的 pro 版本在这点上处理的更好, 并且 pro 版本支持4K分辨率输出, 当然 pro 版本是没有开源的.

karminski-牙医

19,813 views • 6 months ago

空间智能赛道刚刚又出了新模型：Moonlake，能生成3D世界，还能同时处理物理、声音、逻辑规则等多种模态与李飞飞的World Labs不同的是，World Labs偏场景生成，Moonlake更重交互，更像是在构建一个可交互、物理正确、逻辑完整、视听一体的“活世界” 给定一句“在街机室里做一个赛博朋克风格的保龄球游戏”需求它能自动拆解成生成3D模型、加物理、摆位置、写规则等10个阶段，自主完成从零到一的开发过程输出一个实时可玩的虚拟保龄球馆，能交互，拿球、投掷、有声音、有分数变化，所有东西都按物理规律运作的核心机制是所有模态绑定在同一个实体上，一次事件，比如球击中瓶子时，位置、物理状态、分数、音效等全模态同步更新对于做游戏的，原来要用一个团队干的活，现在可能一个人就能完成对于老师，几句话生成学生能实时交互的物理实验场景 #世界模型生成 #Moonlake #WorldLabs #空间智能

空间智能赛道刚刚又出了新模型：Moonlake，能生成3D世界，还能同时处理物理、声音、逻辑规则等多种模态与李飞飞的World Labs不同的是，World Labs偏场景生成，Moonlake更重交互，更像是在构建一个可交互、物理正确、逻辑完整、视听一体的“活世界” 给定一句“在街机室里做一个赛博朋克风格的保龄球游戏”需求它能自动拆解成生成3D模型、加物理、摆位置、写规则等10个阶段，自主完成从零到一的开发过程输出一个实时可玩的虚拟保龄球馆，能交互，拿球、投掷、有声音、有分数变化，所有东西都按物理规律运作的核心机制是所有模态绑定在同一个实体上，一次事件，比如球击中瓶子时，位置、物理状态、分数、音效等全模态同步更新对于做游戏的，原来要用一个团队干的活，现在可能一个人就能完成对于老师，几句话生成学生能实时交互的物理实验场景 #世界模型生成 #Moonlake #WorldLabs #空间智能

AIGCLINK

10,987 views • 4 months ago

Adobe和香港科大开源的一款可以生成透明视频的项目：TransPixar，它可以生成包含烟雾、反射、水滴等透明元素的视频，看起来非常真实、更自然这给比如电影特效制作、游戏画面渲染、虚拟现实创作提供了更多的便利性 #视频生成 #TransPixar

Adobe和香港科大开源的一款可以生成透明视频的项目：TransPixar，它可以生成包含烟雾、反射、水滴等透明元素的视频，看起来非常真实、更自然这给比如电影特效制作、游戏画面渲染、虚拟现实创作提供了更多的便利性 #视频生成 #TransPixar

AIGCLINK

26,844 views • 1 year ago

《黑神话：悟空》周二（8月20日）上线。这款高成本游戏在中国引发了游戏行业多年未见的轰动。这款以中国经典小说《西游记》为蓝本的游戏上线首日在数字游戏商店Steam的同时在线玩家数突破220万人，成为该平台史上第二受欢迎的游戏。该游戏也为中国动荡的游戏产业带来提振。过去几年，政府将游戏形容为“精神鸦片”，要求严格限制未成年人玩游戏的时间，并一度冻结了游戏版号的发放。

《黑神话：悟空》周二（8月20日）上线。这款高成本游戏在中国引发了游戏行业多年未见的轰动。这款以中国经典小说《西游记》为蓝本的游戏上线首日在数字游戏商店Steam的同时在线玩家数突破220万人，成为该平台史上第二受欢迎的游戏。该游戏也为中国动荡的游戏产业带来提振。过去几年，政府将游戏形容为“精神鸦片”，要求严格限制未成年人玩游戏的时间，并一度冻结了游戏版号的发放。

BBC News 中文

306,694 views • 1 year ago

视频生成模型的下一站，可能不是更长、更清晰的片子。而是一个你能走进去，并亲手改变的世界。过去两年，AI 视频已经能生成足够惊艳的画面。但无论视频多逼真，观众依然只能按下播放键：镜头往哪里走，早已决定；街角后面有什么，你无法靠近；画面里出现什么，你也不能临时改变。生成结束的那一刻，所有可能性也结束了。 Alaya Lab 刚刚开源的 AlayaWorld，试图把这件事反过来。它不是先生成一段完整视频，再让你观看。你可以用一张图片开启世界，推动摇杆改变镜头和移动方向；画面会随着操作继续生成。探索途中还能切换提示词，召唤火焰、凤凰、巨兽，或者让新的事件直接发生在当前场景里。这意味着，AI 生成的内容第一次不只是“成片”，而开始接近一个可以进入、探索和影响的环境。目前公开的几个核心指标： • 15B 参数 • 720p 分辨率 • 24 FPS 实时生成 • 支持 60 秒以上的连续探索 • 支持实时镜头控制与提示词切换但真正困难的还不只是生成速度。视频模型一旦连续运行，误差会逐帧累积：向前走了一段，再回头看，刚才的建筑可能已经变形；人物、道路和空间关系也会慢慢漂移。这也是“生成视频”和“生成世界”的分水岭。视频只要下一帧看起来合理。世界却必须记得：东西在哪里、刚才发生过什么，以及你离开后再回来时，它是否还是原来的样子。 AlayaWorld 为此加入了两种互补的记忆：一个显式 3D cache，用来保存空间位置；一个压缩的帧历史，用来维持时间连续性。再配合针对漂移历史的训练和 Error Bank，尽量阻止误差在长时间生成中不断放大。所以这项工作的重点，不是“又一个画质更好的视频模型”。而是把交互、空间记忆、长时稳定和实时生成，塞进同一个可以运行的系统里。它现在当然还不是一款普通玩家打开电脑就能玩的游戏，也不能直接替代成熟的游戏引擎。但它展示了一种很值得关注的方向：未来的虚拟世界，未必需要把每栋建筑、每条道路和每个事件提前制作完成。一部分世界，可能会在玩家移动和行动的同时，被模型实时生成出来。这会影响的不只是游戏。 AI 原生玩法原型、影视预演、虚拟勘景、动态故事板，甚至机器人与智能体的训练环境，都可能从这种“可交互的生成世界”中长出来。更难得的是，AlayaWorld 不只发布了 Demo。模型权重与推理代码已经开放。你可以直接查看它如何处理实时交互、空间记忆和长时间生成，也可以下载权重进行研究与复现。如果你正在关注世界模型、AI 游戏或交互式生成，这个项目值得拆一遍： Alaya Lab

视频生成模型的下一站，可能不是更长、更清晰的片子。而是一个你能走进去，并亲手改变的世界。过去两年，AI 视频已经能生成足够惊艳的画面。但无论视频多逼真，观众依然只能按下播放键：镜头往哪里走，早已决定；街角后面有什么，你无法靠近；画面里出现什么，你也不能临时改变。生成结束的那一刻，所有可能性也结束了。 Alaya Lab 刚刚开源的 AlayaWorld，试图把这件事反过来。它不是先生成一段完整视频，再让你观看。你可以用一张图片开启世界，推动摇杆改变镜头和移动方向；画面会随着操作继续生成。探索途中还能切换提示词，召唤火焰、凤凰、巨兽，或者让新的事件直接发生在当前场景里。这意味着，AI 生成的内容第一次不只是“成片”，而开始接近一个可以进入、探索和影响的环境。目前公开的几个核心指标： • 15B 参数 • 720p 分辨率 • 24 FPS 实时生成 • 支持 60 秒以上的连续探索 • 支持实时镜头控制与提示词切换但真正困难的还不只是生成速度。视频模型一旦连续运行，误差会逐帧累积：向前走了一段，再回头看，刚才的建筑可能已经变形；人物、道路和空间关系也会慢慢漂移。这也是“生成视频”和“生成世界”的分水岭。视频只要下一帧看起来合理。世界却必须记得：东西在哪里、刚才发生过什么，以及你离开后再回来时，它是否还是原来的样子。 AlayaWorld 为此加入了两种互补的记忆：一个显式 3D cache，用来保存空间位置；一个压缩的帧历史，用来维持时间连续性。再配合针对漂移历史的训练和 Error Bank，尽量阻止误差在长时间生成中不断放大。所以这项工作的重点，不是“又一个画质更好的视频模型”。而是把交互、空间记忆、长时稳定和实时生成，塞进同一个可以运行的系统里。它现在当然还不是一款普通玩家打开电脑就能玩的游戏，也不能直接替代成熟的游戏引擎。但它展示了一种很值得关注的方向：未来的虚拟世界，未必需要把每栋建筑、每条道路和每个事件提前制作完成。一部分世界，可能会在玩家移动和行动的同时，被模型实时生成出来。这会影响的不只是游戏。 AI 原生玩法原型、影视预演、虚拟勘景、动态故事板，甚至机器人与智能体的训练环境，都可能从这种“可交互的生成世界”中长出来。更难得的是，AlayaWorld 不只发布了 Demo。模型权重与推理代码已经开放。你可以直接查看它如何处理实时交互、空间记忆和长时间生成，也可以下载权重进行研究与复现。如果你正在关注世界模型、AI 游戏或交互式生成，这个项目值得拆一遍： Alaya Lab

知识猫图解

64,088 views • 2 days ago

Pixverse 发布 R1 实时视频世界模型藏师傅也试了一下前几天测试的 Pixverse R1 终于发布了，这是一个可以实时生成并且可以随时通过提示词介入修改后续内容的世界模型。极限情况下可以实时生成 1080P 的高清视频，感觉成本再下来一点以后 AI 游戏和交互式的影视内容有戏了啊。 ------ 简单介绍一下使用体验，目前他们在一个单独的平台测试需要邀请码。你可以选择预制的的三个主题进行体验，三个主题分别是巨龙巢穴、二战主题、海底世界，正式版本会增加到 6 个。也可以创建自己的主题，选择画面比例、风格输入主题相关提示词就可以了。生成之后主要的互动就是在他播放的过程中输入提示词来改变当前视频生成的剧情走向。而且这里生成的视频居然还是带音乐、音效混合旁白的，比以前所谓的实时生成的模型强了不少。 ------ 算法和架构上主要的优化有：这是个原生的多模态模型支持将文本、图像、视频、音频统一为连续的 Token 流，接受任何模态的输入。 PixVerse-R1 改成了非扩散的自回归架构，用来实现无限连续的生成，还使用了增加注意力机制，确保长时间生成的内容一致性。为了适配实时视频生成的性能，他们将原来的迭代降噪逻辑进行了多项优化，他们叫瞬时响应引擎 (IRE)，主要包括三个优化： Temporal Trajectory Folding：传统模型从噪点到清晰图像需要迭代几十步，他们直接暴力压缩到仅需 1–4 步。 Guidance Rectification：直接将传统的 CFG 逻辑蒸馏到了模型参数内部，节省了时间。 Adaptive Sparse Attention：生成高分辨率的视频的时候让模型学会学会“抓大放小”，自动识别重要区域进行精细计算，大幅降低计算负载。 ------- 目前由于成本问题需要邀请码才能测试，生成的分辨率是 480P，过几天会提高到 720P。

Pixverse 发布 R1 实时视频世界模型藏师傅也试了一下前几天测试的 Pixverse R1 终于发布了，这是一个可以实时生成并且可以随时通过提示词介入修改后续内容的世界模型。极限情况下可以实时生成 1080P 的高清视频，感觉成本再下来一点以后 AI 游戏和交互式的影视内容有戏了啊。 ------ 简单介绍一下使用体验，目前他们在一个单独的平台测试需要邀请码。你可以选择预制的的三个主题进行体验，三个主题分别是巨龙巢穴、二战主题、海底世界，正式版本会增加到 6 个。也可以创建自己的主题，选择画面比例、风格输入主题相关提示词就可以了。生成之后主要的互动就是在他播放的过程中输入提示词来改变当前视频生成的剧情走向。而且这里生成的视频居然还是带音乐、音效混合旁白的，比以前所谓的实时生成的模型强了不少。 ------ 算法和架构上主要的优化有：这是个原生的多模态模型支持将文本、图像、视频、音频统一为连续的 Token 流，接受任何模态的输入。 PixVerse-R1 改成了非扩散的自回归架构，用来实现无限连续的生成，还使用了增加注意力机制，确保长时间生成的内容一致性。为了适配实时视频生成的性能，他们将原来的迭代降噪逻辑进行了多项优化，他们叫瞬时响应引擎 (IRE)，主要包括三个优化： Temporal Trajectory Folding：传统模型从噪点到清晰图像需要迭代几十步，他们直接暴力压缩到仅需 1–4 步。 Guidance Rectification：直接将传统的 CFG 逻辑蒸馏到了模型参数内部，节省了时间。 Adaptive Sparse Attention：生成高分辨率的视频的时候让模型学会学会“抓大放小”，自动识别重要区域进行精细计算，大幅降低计算负载。 ------- 目前由于成本问题需要邀请码才能测试，生成的分辨率是 480P，过几天会提高到 720P。

歸藏(guizang.ai)

16,373 views • 6 months ago