WorldCast – 大角度运镜角色视频生成框架

WorldCast是小米MiLM Plus联合武汉大学推出的角色视频生成框架，依托Wan2.1‑I2V‑14B流匹配主干模型，解决大角度镜头运动下角色身份漂移、几何错乱问题。输入单张参考图搭配多视角锚点，即可生成环绕、推拉、双纽线等复杂镜头轨迹视频。项目配套CLACT数据集基准，包含八万条训练样本与42组评测场景，引入尺度对齐几何引导与GAMA几何对齐多视角角色记忆两大核心模块，在相机轨迹误差、跨视角几何一致性、身份留存多项评测指标取得优于同类方案的结果。

WorldCast特点

支持大角度复杂镜头轨迹，包含360度环绕、倾斜环绕、推拉、双纽线、变焦等运镜模式。

GAMA 几何对齐记忆注意力，跨视角对齐角色特征，抑制大幅度视角切换带来的身份变化。

尺度对齐几何引导模块，生成轨迹匹配 RGB 引导图与覆盖掩码，约束画面生成走向。

配套CLACT公开基准数据集，提供真实与合成混合样本，用于同类方案横向对比。

单遍渲染输出完整视频，输入仅需要初始帧与少量多视角锚点素材。

多项量化指标可复现，相机轨迹误差、几何一致性、人物身份相似度具备明确评估标准。

WorldCast优势

大角度旋转镜头下角色五官、衣着、形体维持稳定，减少扭曲变形。

相机实际路径贴合预设轨迹，轨迹偏移数值低于现有同类视频生成方案。

几何引导与记忆注意力两套机制协同，不用逐帧手动干预画面内容。

CLACT基准把相机位姿、多视角角色观测信息成对整理，降低该方向实验数据准备成本。

兼容人物、动物、物体、动漫角色多类主体，适配不同创作素材输入。

在保证相机可控与角色一致性同时，画面视觉质量维持同级水平。

WorldCast功能

单张输入图像生成大角度运镜视频，自定义各类镜头运动轨迹。

接收多视角锚点素材，强化主体跨视角特征留存效果。

输出环绕、推拉、倾斜环绕、双纽线、变焦等电影感镜头片段。

人物、动物、静物、动漫形象主体的多视角连贯视频生成。

输出CLACT基准所需格式，开展同类视频生成方案对照测试。

WorldCast应用场景

AI影视前期样片制作，快速产出大角度运镜角色预览片段。

数字人内容生产，生成环绕旋转等复杂机位的连贯数字人视频。

动漫素材制作，基于单张角色图生成多角度镜头动画片段。

三维视觉算法实验，大视角视频生成、多视角一致性方向科研对照。

短视频内容创作，静态图片转化为电影感复杂运镜动态素材。

WorldCast如何使用

访问WorldCast项目演示网页，查阅项目文档与样例片段。

准备初始参考图像，按需准备对应主体的多视角锚点图片。

配置镜头运动参数，选定环绕、推拉、双纽线等轨迹类型，设置角度、运动时长。

导入初始帧与锚点素材，传入WorldCast推理链路。

等待单遍推理完成，导出生成的完整视频片段。

做算法实验场景，下载CLACT数据集，配置评测脚本运行量化指标计算。

二次开发场景，基于Wan2.1‑I2V‑14B 主干，接入尺度对齐几何引导与GAMA记忆注意力模块，调试参数适配自有素材。

对比实验场景，统一输入素材与镜头参数，和其他视频生成方案做结果比对。

WorldCast同类产品对比

表格