由自动驾驶领域先驱奥利弗·卡梅隆（Oliver Cameron）与杰夫·霍克（Jeff Hawke）创立的初创公司Odyssey，近日开发出一款能让用户与流媒体视频“互动”的AI模型。该模型以“早期演示版”登陆网页端，每40毫秒生成并传输视频帧。通过基础控制键，观众可以像玩3D渲染视频游戏般探索视频中的场景。
“基于当前世界状态、即将发生的动作及历史状态与行为记录，该模型试图预测世界的下一状态。”Odyssey在博文中解释道，“支撑这一功能的是新型世界模型，它展现出多项能力：生成逼真像素、保持空间一致性、从视频中学习动作，以及输出持续5分钟以上的连贯视频流。”
包括DeepMind、著名AI学者李飞飞（Fei-Fei Li）创立的World Labs、微软和Decart在内的多家科技企业正竞相研发世界模型技术。业界认为这类模型未来可应用于游戏电影等互动媒体创作，以及机器人训练等拟真模拟场景。
但创意从业者对此技术态度复杂。《连线》杂志近期调查显示，动视暴雪（Activision Blizzard）等裁撤大量员工的游戏公司正利用AI缩减成本应对人才流失。代表好莱坞动画师的工会“动画协会”2024年研究报告预估，未来数月美国将有超10万个影视动画岗位受到AI冲击。
Odyssey强调将与创意工作者协作而非取代：“互动视频……开启了全新娱乐形式，故事可按需生成探索，摆脱传统制作的成本束缚。我们相信现有视频内容——娱乐、广告、教育、培训、旅游等——终将全部进化为Odyssey驱动的互动视频。”
该公司坦言当前演示版本尚不完善：生成的环境存在模糊变形，场景布局稳定性不足，行进或转身时周围景物可能突变。不过其承诺快速改进模型，目前借助英伟达H100 GPU集群可实现每秒30帧的视频流传输，每“用户小时”成本7.27至14.54元人民币（1至2美元）。
“我们正在研究能更精准捕捉动态的丰富世界表征系统，同时提升时间稳定性和状态持久性。”Odyssey表示，“同步拓展从运动到世界交互的动作空间，通过海量视频学习开放动作。”
与世界模型领域多数AI实验室不同，Odyssey设计了一套360度背包式摄像系统采集真实景观，认为这比仅用公开数据训练的模型质量更高。迄今公司已获EQT Ventures、GV和Air Street Capital等机构2700万美元融资，皮克斯联合创始人、前迪士尼动画工作室总裁艾德·卡特姆（Ed Catmull）担任董事。
去年12月，Odyssey透露正研发配套软件，允许创作者将其模型生成的场景导入虚幻引擎（Unreal Engine）、Blender和Adobe After Effects等工具进行人工修饰。
