前脚友商还在为你追我赶生成几秒钟的「电子榨菜」视频卷到头秃；后脚李飞飞创办的 World Labs 微微一笑，把桌子掀了——

就在刚刚，全球首个多模态世界模型 Atlas 正式登场！

官方博客🔗 https://file.tonglife.net/images/1b/34383ab32b95fa8f046cf4d52250f1.jpg

按照官方定义，Atlas 是一款面向空间智能的 omni world model，从零开始完成预训练，可以原生处理文本、图像、视频、相机位姿与 3D 深度信息，并在同一套模型中完成世界生成、空间重建和时空模拟。

先来看最直观的炸场操作：

Camera Controlled Generation（相机控制生成）。

以前大家玩视频生成模型，多少有点玄学抽奖。我们在 Prompt 框里卑微敲下：「镜头缓慢向左拉升、绕着人物微仰角旋转」，回车之后全凭老天保佑。

对比之下，Atlas 的做法是：直接把「相机位姿参数」当作底层原生输入。

你要什么角度、什么轨迹、走多快？

直接给坐标！

只要丢进去 1 到 6 张普通照片，定好运镜轨迹，Atlas 就能生成最长达 1 分钟、1440p 分辨率 的大片。

本文转自：凤凰网科技

原文地址： https://tech.ifeng.com/c/8w474ezPaL1