腾讯HY-World 1.5开源：实时交互式生成世界，720P长视频流式输出新纪元

近日，腾讯正式开源了其最新的实时交互式生成世界模型——HY-World 1.5。这项技术的发布，标志着AI在构建沉浸式、可探索3D世界方面取得了重大突破。它不仅实现了实时交互，还能以较高的清晰度和流畅度生成长视频流，极大地拓宽了虚拟现实和游戏开发的想象空间。

HY-World 1.5核心亮点速览

HY-World 1.5最大的亮点在于其能够将文本描述或手柄信号转化为具有长期几何一致性的、可交互的3D世界视频。相较于以往的模型，它在速度与长期一致性之间找到了更好的平衡点。

• 实时交互与流式输出： 支持24fps的720p视频流式输出，保证了观看体验的流畅性。
• 几何一致性： 生成的世界在长时间的探索中，能保持稳定的三维结构和几何关系。
• 多模态控制： 可以通过简单的文本指令或实时的手柄信号来驱动世界的演变和视角的变化。
• 探索性与可交互性： 创造出的世界不仅是“看”的，更是可以“探索”和“操作”的。

WorldPlay：流式视频扩散模型的关键

为了实现实时交互式世界建模并保持长期几何一致性，HY-World 1.5引入了核心组件——WorldPlay。这是一个流式视频扩散模型，有效解决了传统模型在处理长序列视频时常见的速度和记忆效率问题。

WorldPlay如何工作？

WorldPlay通过优化扩散过程，使其能够以流式方式逐步生成视频内容，同时通过特定的机制确保不同帧之间的3D结构保持同步和一致。这使得即时的反馈成为可能。

• 提高生成效率： 通过流式处理，大幅降低了单次生成大型场景所需的计算资源和时间。
• 维持长期稳定性： 确保用户在第一人称视角下持续移动探索时，场景不会出现明显的几何错乱或“闪烁”现象。

应用场景：从游戏到虚拟现实

这项技术的实用性非常强，尤其是在需要即时反馈和高度沉浸感的领域。例如，在游戏开发和虚拟现实（VR）体验中，HY-World 1.5展现出巨大的潜力。

游戏与实时渲染

对于游戏开发者而言，使用AI世界构建技术可以极大地加速内容生产。开发者只需提供核心设定，模型就能生成广阔的、风格多变的虚拟环境。

• 快速原型设计： 快速搭建出不同风格的游戏场景供测试和迭代。
• 动态环境生成： 实时响应玩家的操作，生成动态变化的场景元素。

沉浸式虚拟现实体验

在VR领域，用户追求的是无缝的沉浸感。HY-World 1.5的实时性和一致性恰好满足了这一需求，支持第一人称和第三人称视角切换，让用户可以自由地漫游于AI生成的环境中。

探索未来：交互式内容创作

这项技术为未来的内容创作者提供了全新的工具。无论是制作交互式故事片，还是构建教育模拟环境，都能实现前所未有的自由度。

如何利用HY-World 1.5进行创作？

腾讯这次的开源行动，为开发者和研究人员提供了直接接触和实验这一前沿技术的机会。利用实时交互生成的能力，可以实现多种创新的交互模式。

1. 文本驱动场景生成： 输入简洁的描述，例如“一个宁静的日式庭院，有潺潺流水声”，模型即可开始渲染。
2. 动作信号控制： 通过连接手柄或动作捕捉设备，用户可以直接“走入”并“控制”正在生成的3D世界。
3. 风格迁移与定制： 研究人员可以探索如何控制输出的艺术风格，例如卡通、写实、赛博朋克等，实现高度定制化的3D一致性体验。

总而言之，HY-World 1.5代表了AI生成式模型向实时、可控、高保真3D世界迈出的坚实一步。随着技术的不断发展，我们有理由相信，未来虚拟世界的构建和体验将变得越来越便捷和震撼。