WHAM
W
WHAM
简介 :
WHAM(World and Human Action Model)是由微软研究院开发的一种生成式模型,专门用于生成游戏场景和玩家行为。该模型基于Ninja Theory的《Bleeding Edge》游戏数据训练,能够生成连贯、多样化的游戏视觉和控制器动作。WHAM 的主要优点在于其能够捕捉游戏环境的3D结构和玩家行为的时间序列,为游戏设计和创意探索提供了强大的工具。该模型主要面向学术研究和游戏开发领域,帮助开发者快速迭代游戏设计。
需求人群 :
WHAM 主要面向游戏开发者和研究人员,帮助他们探索生成式AI在游戏设计中的应用,快速迭代游戏场景和玩家行为的创意。
总访问量: 29.7M
占比最多地区: US(17.94%)
本站浏览量 : 85.6K
使用场景
使用WHAM生成《Bleeding Edge》游戏中的角色动作和场景。
基于WHAM的模型推理,为游戏设计提供创意迭代支持。
通过WHAM演示工具,实时展示生成的游戏视觉和控制器动作。
产品特色
生成游戏视觉和控制器动作
支持世界建模、行为策略和完整生成三种模式
捕捉游戏环境的3D结构和玩家行为的时间序列
提供两种模型规模(200M参数和1.6B参数)以适应不同需求
支持通过初始视觉或控制器动作作为提示生成游戏序列
提供本地模型推理和演示工具
评估模型的一致性、多样性和持久性
支持学术研究和游戏开发的多种应用场景
使用教程
1. 克隆WHAM的GitHub仓库并设置虚拟环境。
2. 下载模型权重文件(200M或1.6B参数模型)。
3. 准备样本数据或使用提供的样本数据。
4. 运行本地模型推理脚本,生成游戏序列。
5. 使用WHAM演示工具连接模型服务器,实时展示生成结果。
6. 根据需求调整模型参数或提示输入,探索不同的生成效果。
AIbase
智启未来,您的人工智能解决方案智库
© 2025AIbase