阿里开源交互式视频世界模型

阿里巴巴 Token Hub 团队发布并开源交互式视频世界模型框架 World-in-Context，项目代码与项目页均已开放。 该框架通过显式 token 和交互感知位置编码，在上下文条件化中统一自由视角、第一人称与第三人称动作，以及相机控制，使用户能够在同一模型框架下处理不同交互视角和运动方式。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。