擴散變換器

深度分析

AlayaWorld 登場：15B 參數影片世界模型，挑戰長時互動與空間一致性

AlayaWorld 是一套互動式長時程影片世界模型，基於 15B 參數的擴散變換器，以 24 fps 生成 540p 至 720p 影片。其有界視覺上下文結合固定錨定幀、壓縮時間記憶與空間記憶，並透過抗漂移訓練與四步蒸餾提升穩定性。在 iWorld-Bench 上，AlayaWorld 於生成品質、軌跡追蹤與記憶能力均取得最佳成績。