基于世界模型的实时互动游戏引擎 Mirage：可自然语言创造可互动游戏；阿里开源 OmniAvatar：音频生成全身数字人视频丨日报

开发者朋友们大家好：

这里是 「RTE 开发者日报」 ，每天和大家一起看新闻、聊八卦。我们的社区编辑团队会整理分享 RTE（Real-Time Engagement） 领域内「有话题的 技术 」、「有亮点的 产品 」、「有思考的 文章 」、「有态度的 观点 」、「有看点的 活动 」，但内容仅代表编辑的个人观点，欢迎大家留言、跟帖、讨论。

本期编辑：@赵怡岭、@鲍勃

01社区项目推荐

1、基于世界模型的实时互动游戏引擎预览版 Mirage：可以使用自然语言创造可互动的游戏场景

Mirage 是一个基于世界模型的实时互动游戏引擎预览版，具备模拟 GTA、Forza Horizon 等游戏的能力，让你可以使用自然语言创造可互动的游戏场景！

• 用户生成内容（UGC）：玩家不仅仅是重玩预设的游戏——玩家可以编辑、扩展并创造全新的世界；

• 丰富的视觉效果与控制：支持类似 GTA 或 Forza 风格的复杂沉浸式体验，超越了 Minecraft 或 DOOM 那种方块式的简易风格；

• 长时游戏玩法：支持持续 5 到 10 分钟甚至更长时间的游戏，而不仅仅是几秒钟的短暂体验。

博客： https://blog.dynamicslab.ai/

体验： https://demo.dynamicslab.ai/drifthttps://demo.dynamicslab.ai/chaos

X: https://x.com/DynamicsLab_AI/status/1940459348423332198

02有话题的技术

1、阿里联合夸克开源 OmniAvatar：支持根据输入的音频和文本提示生成全身数字人视频

OmniAvatar 是浙江大学和阿里巴巴集团共同推出的音频驱动全身视频生成模型。

可根据输入的音频和文本提示，生成自然、逼真的全身动画视频，人物动作与音频完美同步，表情丰富。

模型基于像素级多级音频嵌入策略和 LoRA 训练方法，有效提升唇部同步精度和全身动作的自然度，支持人物与物体交互、背景控制和情绪控制等功能，广泛应用在播客、互动视频、虚拟场景等多种领域。

• 自然唇部同步：能生成与音频完美同步的唇部动作，在复杂场景下保持高度准确性；

• 全身动画生成：支持生成自然流畅的全身动作，让动画更加生动逼真；

• 文本控制：基于文本提示精确控制视频内容，包括人物动作、背景、情绪等，实现高度定制化的视频生成；

• 人物与物体交互：支持生成人物与周围物体互动的场景，如拿起物品、操作设备等，拓展了