腾讯、新加坡国立大学、香港理工大学联合提出H3-World，把330亿参数的MiniMax-H3视频生成器改造成可交互世界模型。团队使用8000个游戏样本、10000步LoRA优化，只训练0.199%的参数，就获得角色动作和镜头运动的分段控制。
视频模型原本已经会听动作描述
MiniMax-H3在没有专门动作模块时，已经能根据自然语言生成角色走、跑、转向以及镜头移动的视频。H3-World利用这一现成语义接口，把每个控制动作写成角色指令与镜头指令的结构化组合，而不是重新设计一套离散手柄编码。
问题在于普通文本提示只适合描述整段视频，连续动作容易互相泄漏。前一条“向左走”的影响可能延续到后一段，镜头和角色也会混在同一个时间范围内，难以形成可重复的交互。
图：论文主视觉展示多种可交互生成世界。
时间路由把指令钉在对应片段
H3-World把动作指令与对应的视频潜变量时间段对齐，并用时间注意力路由限制每条指令的作用区间。角色动作与相机动作可以组合，例如人物前进时镜头平移，随后角色停止而镜头继续旋转。
这种设计复用视频预训练中已经形成的语义表示，LoRA只调整少量参数。论文因此把重点放在轻量适配，而不是声称从8000个样本重新训练了世界模型；0.199%指的是可训练参数比例，不是整个模型规模。
图：论文动作控制图展示分段角色和镜头指令。
控制能力仍是生成式研究原型
论文展示了已见和未见视觉场景中的动作控制，并比较指令遵循、时间对齐与画面质量。真实结果是模型能在生成视频里持续表现角色和镜头变化，但它没有物理引擎的确定性状态，也没有证明长时间交互中位置、碰撞和物体关系始终一致。
生成世界每次采样仍可能出现外观漂移、动作边界模糊或场景细节变化。研究所说的“世界控制”应理解为对生成视频动态的控制，不应直接等同于可运行游戏、机器人仿真器或稳定数字孪生。
图：论文对比图展示动作指令与生成结果。
下一步：轻量适配可以先服务内容原型
H3-World更直接的应用是交互式分镜、游戏概念验证和可控镜头预演。创作者可以先用文本动作快速测试角色走位与镜头方案，再把确定的镜头交给传统引擎或视频制作流程。
下一步需要增加更长时间的状态记忆、动作反馈和物理一致性测试，并把控制延迟、重复执行偏差和失败率公开。只有同一指令在多次采样中保持足够稳定，生成式世界模型才可能承担实时交互环境，而不只是可观看的演示。
交互系统还需要明确动作粒度。自然语言适合高层意图，却很难精确表达持续时间、速度和连续反馈；可以让文本负责选择动作，再由结构化参数约束时间和幅度，减少同一句话在不同场景中的歧义。
评测应把画面质量与控制准确率分开。一个视频可能看起来漂亮但没有按时转向，也可能严格执行动作却出现明显纹理漂移；分别统计动作命中、边界误差、身份一致性和视觉质量，才能看清轻量适配的真实收益。
项目页已经提供模型和代码入口，后续复现可重点检查8000个样本的构成、未见场景划分和采样随机性。若多次运行的控制结果波动很大，实时产品仍需外部状态机或传统引擎兜底。
对于创作者，理想接口还应保存指令时间线和随机种子，使一次满意结果可以重放、局部修改和版本比较。若每次修改镜头都会改变角色外观，工作流仍然不可控；项目应提供编辑前后的一致性指标，并允许只重新生成指定时间段。
