自 Sora 亮相以來，AI 視頻的真實感突飛猛進，但可控性仍是瓶頸：模型像才華橫溢卻隨性的攝影師，難以精準執行 “導演指令”。我們能否讓 AI 做到：
- 僅憑一張靜態照片，就能 “腦補” 出整個 3D 空間，生成一段圍繞主體的 360° 環繞視頻？
- 現有的視頻能否進行重新運鏡，實現推、拉、搖、移等復雜的電影級鏡頭調度？
這些需求在影視制作、游戲開發、虛擬現實等領域至關重要，但實現起來卻困難重重。現有的技術路線往往顧此失彼：要么通過微調（Fine-tuning）模型來實現，但所需算力昂貴，且易損害模型內在的 “世界知識”，導致生成質量下降；要么采用“扭曲 - 重繪”（Warp-and-Repaint）的策略，但引導信號帶有的噪點和偽影，往往會誤導模型，造成幾何結構錯亂和細節失真。
有沒有第三條路？一條既能實現精準控制，又不犧牲生成質量，還無需重新訓練的優雅路徑？
西湖大學 AGI 實驗室的研究團隊給出了他們的答案。他們提出了名為WorldForge的全新框架，以一種 “即插即用” 的推理時引導方式，在不改動任何權重的前提下，為視頻擴散模型裝上了一個 “導演大腦”，成功實現了單圖到 360° 世界生成和電影級視頻軌跡重運鏡。
