WHAM
W
WHAM
簡介 :
WHAM(World and Human Action Model)是由微軟研究院開發的一種生成式模型,專門用於生成遊戲場景和玩家行為。該模型基於Ninja Theory的《Bleeding Edge》遊戲數據訓練,能夠生成連貫、多樣化的遊戲視覺和控制器動作。WHAM 的主要優點在於其能夠捕捉遊戲環境的3D結構和玩家行為的時間序列,為遊戲設計和創意探索提供了強大的工具。該模型主要面向學術研究和遊戲開發領域,幫助開發者快速迭代遊戲設計。
需求人群 :
WHAM 主要面向遊戲開發者和研究人員,幫助他們探索生成式AI在遊戲設計中的應用,快速迭代遊戲場景和玩家行為的創意。
總訪問量: 29.7M
佔比最多地區: US(17.94%)
本站瀏覽量 : 83.1K
使用場景
使用WHAM生成《Bleeding Edge》遊戲中的角色動作和場景。
基於WHAM的模型推理,為遊戲設計提供創意迭代支持。
通過WHAM演示工具,即時展示生成的遊戲視覺和控制器動作。
產品特色
生成遊戲視覺和控制器動作
支持世界建模、行為策略和完整生成三種模式
捕捉遊戲環境的3D結構和玩家行為的時間序列
提供兩種模型規模(200M參數和1.6B參數)以適應不同需求
支持通過初始視覺或控制器動作作為提示生成遊戲序列
提供本地模型推理和演示工具
評估模型的一致性、多樣性和持久性
支持學術研究和遊戲開發的多種應用場景
使用教程
1. 克隆WHAM的GitHub倉庫並設置虛擬環境。
2. 下載模型權重文件(200M或1.6B參數模型)。
3. 準備樣本數據或使用提供的樣本數據。
4. 運行本地模型推理腳本,生成遊戲序列。
5. 使用WHAM演示工具連接模型服務器,即時展示生成結果。
6. 根據需求調整模型參數或提示輸入,探索不同的生成效果。
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase