跳到正文

WHAM

按提示生成游戏视觉与控制器动作

访问官网

WHAM 是什么

WHAM 即 World and Human Action Model,被介绍为由微软研究院开发、专门用于生成游戏场景和玩家行为的生成式模型。它基于 Ninja Theory 的《Bleeding Edge》游戏数据训练,能够生成连贯、多样化的游戏视觉和控制器动作。

你可以用它做什么

  • 生成游戏视觉和控制器动作
  • 使用世界建模、行为策略和完整生成三种模式
  • 捕捉游戏环境的 3D 结构和玩家行为的时间序列
  • 以初始视觉或控制器动作作为提示生成游戏序列

应用场景

  • 生成《Bleeding Edge》游戏中的角色动作和场景
  • 基于模型推理为游戏设计提供创意迭代支持
  • 通过演示工具实时展示生成的游戏视觉和控制器动作

上手流程

  • 克隆 WHAM 的 GitHub 仓库并设置虚拟环境
  • 下载 200M 或 1.6B 参数模型的权重文件
  • 准备样本数据或使用提供的样本数据
  • 运行本地模型推理脚本,生成游戏序列

优点与缺点

✓ 我们认可的地方

  • 初始视觉或控制器动作可作为提示
  • 提供两种模型规模以适应不同需求

! 需要留意的地方

  • 资料描述的训练数据来自一款游戏
  • 生成内容集中在游戏视觉与控制器动作

常见问题

WHAM 是什么缩写?

资料把它展开为 World and Human Action Model。

列出了哪些模型规模?

资料列出 200M 参数和 1.6B 参数两种模型。

最后评测: 2026-11-15

更多 大模型 API 平台 工具

查看全部 →

评测方法