Meta 推出 WorldGen：一句话即可生成可交互 3D 世界

11 月 23 日消息，Meta 本周推出了 WorldGen，这是一种端到端系统，可仅凭单条文本提示词，自动生成可交互、可导航的三维世界，不仅具备高度沉浸感，更支持用户真正步入其中、自由探索。

据了解，WorldGen 融合了程序化逻辑推理、基于扩散模型的三维生成技术以及面向对象的场景分解方法，最终输出几何结构严谨、视觉表现丰富、渲染效率优异的三维场景，适用于游戏开发、模拟仿真及沉浸式社交环境等多元应用。

近年来，生成式 AI 在依据文本或图像生成高质量三维资产方面已取得显著进展。WorldGen 在此基础上整合并创新了多项现有二维与三维生成技术，当前其他方法大多基于单一指定视角，从该视角向外延展构建三维世界，而非以全局参考图像或完整布局作为条件约束。这类方法虽能在中心视角附近生成高质量几何与纹理，但一旦移动 3–5 米，模型质量便迅速下降。相较之下，WorldGen 可生成 50 米 ×50 米尺度的全纹理三维场景，并确保整体在风格与几何结构上的高度一致性。未来，Meta 还将进一步拓展可生成世界的空间规模。

需要说明的是，当前 WorldGen 仍处于研究阶段，暂未向开发者开放使用；但其所生成的内容可直接兼容 Unity、Unreal 等主流游戏引擎，无需额外转换或定制渲染管线。

尽管 WorldGen 已在生成多样化、可交互、可导航三维世界的研究方向上迈出关键一步，当前版本仍存在一定局限。例如，Meta 正致力于拓展未来版本的空间生成范围，并进一步降低生成延迟。