一張照片，一個可行走的世界：InSpatio-World 1.5 將影像變成空間

大多數影像與影片模型只會給你一個固定畫面或固定片段。你只能看著模型決定要給你看的東西。一家名為 InSpatio 的中國公司本月發布了一款模型，能將單張照片、全景圖或現有影片，變成一個你可以走動探索的空間。

InSpatio-World 1.5 於九月底在上海國際視聽藝術嘉年華正式亮相，該公司並以 Apache 2.0 授權開源程式碼。示範影片最能清楚說明它有何不同。影片從一座中式宮殿的廊道內部開始。鏡頭向前推進，經過一道欄杆與一組階梯，接著轉入庭院。隨著視角移動，原本隱藏在柱子後方的亭閣逐漸映入眼簾。這款模型產出的是一個會在你持續探索時不斷渲染的空間，而不是一段已選定攝影機路徑的影片。

這個版本有三項改變

第一項是模型接受的輸入類型。較早的世界模型大多只接受單張影像。1.5 版則接受單張影像、多張影像、全景圖或影片。這很重要，因為它決定了使用門檻。單張照片是一般消費者也能提供的起點。多張影像組合與現有影片，則是電影或廣告團隊手邊早就有的素材，能接受這些格式，等於讓更多人可以使用這套工具。

第二項是即時探索。一旦進入生成的空間，你可以持續移動視角、繞過遮擋物，抵達初始畫面中沒有的區域。每當視角改變，模型就必須補齊先前看不見的場景部分，而且要和你看過的內容保持一致。這比生成一段好看的片段更困難，因為模型被要求維持的是對一個地點的心智模型，而不是一連串畫面。

第三項是時空一致性，這正是世界模型與影片生成器之間真正的分界線。如果鏡頭離開一個房間後再回來，房間不應該自己重新排列。InSpatio 表示，他們在 1.5 版強化了這一點，以支援更長的探索路徑與更複雜的場景；示範影片也靠著反覆從新角度重返同一區域來強調這項說法。

示範影片背後的數字

InSpatio 將這款模型描述為輕巧，參數量為 13 億，並回報在 WorldScore-Dynamic 上獲得 68.72 分，聲稱在受評估的即時互動方法中排名第一，速度最高可達每秒 24 幀。這些都是該公司自己的數據，獨立重現的結果仍然很少，因此請把它們視為起點，而不是定論。

技術做法有幾個值得點名的環節。針對影片輸入，這套流程使用 Depth Anything 3 來估計缺失的深度，以及每一幀的相機內參與外參，這讓它能夠從並非以 3D 捕捉方式拍攝的素材重建場景。時空自迴歸過程則負責在視角改變時維持持久的世界狀態，而不是每次都從頭重新生成場景。

可行走場景在哪裡發揮價值

最直接的用途就是示範影片所指出的方向。在電影與廣告中，攝影機位置通常在拍攝當下就已固定。如果你想要另一個角度，就得重拍，而重拍所費不貲。世界模型讓團隊可以在事後繼續尋找攝影機位置，從既有素材中拉出更多鏡位。InSpatio 特別點出廣告子彈時間作為直接例子：不必同步架設一圈攝影機圍繞主體拍攝，只要餵入一組影像，就能圍繞同一個主體設計出新的攝影機路徑。

第二個用途是機器人的訓練資料。具身 AI 的一個問題在於，網路上提供的影片大多是第三人稱視角，但機器人卻是以第一人稱看世界。InSpatio 表示，這款模型可以拿第三人稱的操作影片，預測出更接近機器人所感知的第一人稱視角，並且能從不同方向重新觀察同一流程，同時改變遮擋關係。如果這能在規模化下成立，就能把現有影片轉成機器人訓練素材，而不必為每種環境拍攝新影片。

除此之外，該公司也指向觀光與文化體驗、數位孿生與工業模擬等領域，這些地方需要的是行為舉止像空間的空間，而不是看起來像空間的圖片。

一場擁擠的競賽，對勝利有不同定義

InSpatio 並不是唯一追逐這個目標的公司，而各種競爭做法對於世界模型究竟該做什麼，也各有分歧。有些實驗室優化電影級輸出，用單一敘事性鏡頭運動生成一段美妙連貫的一分鐘影片。有些則追求互動性，優先重視自由移動、讓場景在沒有固定路徑下做出回應的能力。第三個陣營更接近遊戲領域，想要的是能將世界保存在記憶體中、當成可導航地點的即時引擎。

這些目標會往不同方向拉扯。為了電影級品質調校的世界模型，可以放心把運算資源花在預先決定的序列上，讓每個畫面都好看。為了互動性調校的模型，則必須渲染使用者接下來看的任何東西，這會推向速度，也推向一種能在任意移動後仍保留下來的場景記憶。InSpatio-World 1.5 顯然屬於互動陣營，而它選擇小型 13 億參數模型，是在押注維持即時性比贏得一場靜態畫面選美更重要。

對買家而言，真正重要的比較是和其他可導航系統相比，而這個領域還太早期，大多數說法都是自行回報的。像 WorldScore-Dynamic 這類基準測試，試圖為最難捉摸的部分給出數字，也就是當你在世界中移動時，它是否能保持一致；但基準測試只衡量設計者選擇衡量的東西。長時間探索下的一致性、對原始照片的忠實度，以及幀率，全都彼此拉扯，每個系統都會做出不同的取捨。

這才是真正值得關注開源發布的原因。當數十位研究人員用自己的輸入對模型進行壓力測試時，描繪出它在哪裡站得住腳、在哪裡會崩壞的圖像，會比發表示範影片有用得多，也能讓其他領域的人在同一基礎上比較各種做法，而不是比較彼此競爭的精華剪輯。

為什麼開源是策略，而不是免費贈送

InSpatio 隨模型一同發布程式碼，並預告將推出新的 Topos-Pro 1.0 供受邀者測試。背後的理由在空間智慧領域一再出現：有用的應用分散在電影、觀光、機器人與數位孿生等領域，沒有單一公司能全部涵蓋。公開基礎能力能讓研究人員驗證其極限，也讓合作夥伴在上方建構垂直應用層。這是一種成為一樓地基、而不是整棟大樓的做法。

風險則是早期開源發布常見的那一種。示範影片令人印象深刻，基準測試也是自行回報的，而受控示範與能在混亂真實世界輸入中站得住腳的工具之間，落差往往很大。接下來幾個月，當獨立研究人員與創作者拿到程式碼後，就會看出這份承諾的哪些部分能在接觸他人資料後存活下來。