阿里的世界模型發布， HappyOyster 全面解讀

PRODUCT

阿里新出了個世界模型，叫 HappyOyster，中文名「快樂生蠔」

HappyOyster 實操畫面

上面這段，就是 HappyOyster 跑出來的世界。能用一句話生成，能用 WASD 走進去，能在生成過程里持續插指令改劇情，能保存下來分享給別人二創

一句話，給出能走進去的世界

「快樂生蠔」這個名字聽起來有點怪，其實大有來頭

The world is your oyster. — 莎士比亞

這句話出自莎士比亞 1597 年的《溫莎的快活婦人》。四百年來，一直被譯作「世界是你的牡蠣」，本意是世界任你打開。HappyOyster 把這句比喻，做成了字面意義上的產品，然后這句話，也是產品的 slogan

HappyOyster 官網首頁

這個產品的背后，是阿里 ATH 創新事業部，跟之前屠榜 Artificial Analysis 視頻競技場的 HappyHorse 同屬一個部門。當前處于 Beta 內測階段，通過官網 happyoyster.cn 加入候補名單

四大核心能力速覽

官方把 HappyOyster 的能力歸到四個支點

Wander 漫游一句話或一張圖生成 3D 空間，WASD 走進去探索。1 分鐘、480p

Direct 導演生成過程里持續插入指令，實時改鏡頭、改劇情。3 分鐘、480p 或 720p

Create 創造交付的是一個可走進去的完整世界，越過了視頻生成工具這一站

Share 分享用戶生成的世界可保存、可被其他人二創，形成創作者生態

下面分別看具體效果

Wander 漫游：走進畫面里

輸入一句話或一張圖，生成一個具備物理一致性的 3D 空間。鼠標控制視角，WASD 控制移動方向，第一人稱視角自由探索

視角轉動后場景內物體位置穩定，光照隨視角連續變化。突破初始畫框的邊界后，世界仍在繼續生成

第一個例子，用梵高《星夜》做生成，走進畫里之后，柏樹和教堂都立了起來，星空旋渦還在頭頂轉，畫風一直是梵高的

走進梵高《星夜》漫游

切換到寫實風格也能跑，第一人稱在金色廢墟里走，藤蔓掛在殘柱上。光跟著視角換，畫面跟 3A 游戲放一起也不違和

寫實金色廢墟漫游

這里的體驗，跟玩游戲的體驗比較像，區別在于，游戲世界是開發團隊提前幾年做好的。HappyOyster 的世界，是模型在你按下方向鍵的同時，一幀一幀實時算出來的

當然，除了名畫和寫實，Wander 還能跑卡通、像素、童話等風格，畫質之間沒有明顯斷層

Direct 導演：在生成中改劇情

輸入一個初始 prompt 啟動生成后，可以在視頻流任意節點繼續下達新指令。指令可以是文字、語音或圖像，能實時切換鏡頭、調整角色動作、改變劇情走向

傳統視頻生成的工作流是，寫 prompt → 等渲染 → 收成片，是一次性的。Direct 模式讓用戶能在生成過程里持續干預，畫面持續演化，不需要重啟生成

第一個例子是卡通鱷魚飛行員。在生成過程里，輸入了一句新指令，畫面里是一只戴風鏡的鱷魚飛行員，開著飛機看夕陽。中途用戶輸入「Show the whole helicopter」（展示整架直升機）。下一幀鏡頭拉遠，整架直升機出現。鱷魚變成駕駛艙角落里的小人，手在儀表盤上

鱷魚飛行員，中途輸入「Show the whole helicopter」

中文敘事題材也能跑，下面這個是「金手指系統」開局短劇

中文短劇「第一個任務，買車」

第一幀少年坐在簡陋房間里被金光籠罩，下一幀彈出系統 HUD 界面，再下一幀切到停車場。畫面、中文字幕「第一個任務，買車」、系統 UI 同時生成

效果上等于把用戶，從觀眾席挪到了導演位上

Create 和 Share：從視頻到世界

Create 和 Share 這兩塊能力更接近一句產品哲學，官方把它叫做「打破第四面墻」

比如「我的世界」是一款游戲，也可以是一個世界，hhhh

過去幾年，生成式 AI 經歷了幾次躍遷：生成文本、生成圖像、生成視頻。但這些能力都停留在「生成像素」這一層。畫面越來越逼真，用戶能做的依然只有一件事：看

那么，為什么不能讓用戶能推門、走進畫面、親手改寫，能離開又回來，也能帶朋友進去

如果我們把小生蠔做成視頻，也蠻有意思的，比如下面這個

真 - 快樂生蠔

一只戴著生蠔殼當帽子的小動物，在森林里走。每走兩步，樣子換一遍。背景里的花、草、菌類、倒在地上的同類，一幀一換。整段沒有劇情，畫面一直在往前推

技術路徑

阿里給出的技術能力歸納是三點

長時序世界建模：通過海量長視頻數據，模型學到了真實世界的狀態轉移規律，能在長時間跨度里，保持高保真的動態場景生成

實時交互控制：在建模初始，就設計了多樣的控制信號（文本、Action、圖像等）。讓外部指令持續作用于世界狀態演化，而不只作用于初始條件

音視頻聯合生成：視覺和聽覺協同建模、同步生成

阿里把這一組能力描述為「從『被動生成內容』轉變為『主動模擬、并讓用戶參與世界演化』」

世界模型這個賽道，谷歌 DeepMind 2025 年 8 月發布 Genie 3 時定下了一個起點：720p、24fps、幾分鐘環境一致性。能用文本指令在畫面里加天氣、加角色、觸發事件，谷歌把這種能力叫做「promptable world events」

HappyOyster 在官方表述里跟 Genie 3 處在同一方向上，做的是實時交互式世界建模。阿里把擴展點放在兩處：一是在文本、控制信號、圖像等多源條件下，做一致的時序建模。二是引入音視頻聯合生成，把世界模擬從單一視覺通道，擴展到多感知協同

前面 Direct 模式那段「Show the whole helicopter」改鏡頭的演示，跟谷歌的 promptable world events 是同一件事的產品化呈現

剩下的判斷要等更多公開測評

當前能力邊界

世界模型整體處于早期階段，HappyOyster 也不例外。把當前能跑通的事，和暫時跑不通的事羅列清楚，方便心里有數

當前能跑通的

→ Wander 漫游，最長 1 分鐘連續位移和鏡頭控制，分辨率 480p

→ Direct 導演，連續生成 3 分鐘以上畫面，分辨率可選 480p 或 720p

→ 多模態輸入，文字、圖像、語音都能作為指令

→ 音視頻聯合生成，畫面跟聲音同步出

→ 風格泛化，寫實、卡通、像素、名畫都能跑

→ 中文敘事和中文 UI 字幕的同時生成

→ 用戶生成的世界保存下來，開放給其他用戶二次創作

暫時跑不通的

漫游和導演兩個模式當前沒有打通。Wander 模式下能自由探索，但不能在探索過程里實時改寫場景規則。Direct 模式下能改劇情，但不能用 WASD 走進畫面里。阿里方面表示未來會做融合，現在不能

實時控制人物移動和鏡頭旋轉時，存在卡頓，流暢度還有提升空間

商業化路徑尚未明確。當前只對部分用戶開放早期訪問，定價和 API 開放節奏都還沒公布

這背后是阿里 ATH

HappyOyster 的研發團隊來自阿里 ATH（Alibaba Token Hub）創新事業部，跟之前那匹屠榜的 HappyHorse 同屬一脈

今年 3 月的時候，阿里巴巴 CEO 吳泳銘親自掛帥，成立了 ATH 事業群。下面整合了通義實驗室、MaaS 業務線、千問事業部、悟空事業部、AI 創新事業部五大板塊。吳泳銘在最新一季財報電話會上，給 ATH 設的目標是：未來五年，云和 AI 商業化的年收入要做到 1000 億美元

谷歌 Genie 3 把天花板放在那里，國產幾家在追。阿里 ATH 選了實時交互這一支，HappyOyster 是這條線上的第一個產品

莎士比亞那句話，被搬到 2026 年的世界模型里，似乎又多了一層意味

The world is your oyster, open it

快樂生蠔

官網入口

https://www.happyoyster.cn/

參考材料

HappyOyster 官網
https://www.happyoyster.cn/