AlayaRenderer

用扩散模型直接渲染游戏世界，告别传统管线

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署视频生成 🍴 复刻 20 🐛 待处理 4 👀 关注 14

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 654

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源项目，Apache-2.0许可证，可免费使用和部署。

项目预览

项目数据

分类视频生成

开发团队AlayaLab

官网地址https://alaya-studio.github.io/renderer

GitHubhttps://github.com/AlayaLab/AlayaRenderer

定价模式🏷️完全免费

价格说明开源项目，Apache-2.0许可证，可免费使用和部署。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型diffusion-model,g-buffer,game-rendering,inverse-rendering,neural-rendering,video-diffusion,video-generation

GitHub 星标★ 654

上线时间2026-04-02 00:00:00

代码更新2026-05-05

仓库体积11.3 MB

本站数据更新2026-11-08

维护状态低维护

收录时间2026-08-09

浏览次数5

项目介绍

AlayaRenderer 是一个面向游戏和虚拟世界的生成式世界渲染器，定位为 AI 原生渲染管线。它利用扩散模型和 G-buffer 技术，将传统渲染流程与视频生成模型结合，解决游戏场景中动态内容生成和渲染一致性问题。核心能力包括基于 G-buffer 的神经渲染、逆渲染（从图像恢复场景属性）以及视频扩散模型驱动的时序内容生成。项目旨在替代或增强传统光栅化/光线追踪管线，使开发者能够通过 AI 生成逼真的动态场景，同时保持几何和材质的可控性。其技术栈涵盖 diffusion-model、neural-rendering 和 video-generation，适合探索下一代游戏渲染和虚拟世界构建。目前处于早期阶段，代码和文档尚在完善中。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 654

技术标签

diffusion-model video-diffusion video-generation

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：高级约 120 分钟部署方式：本地GPU 5 步

环境要求

GPU 24G 显存以上
CUDA 与对应编译工具
各任务独立环境

安装与启动步骤

1带子模块 clone

仓库依赖子模块，不加递归参数会缺模块，编译直接失败。
```
git clone --recurse-submodules https://github.com/ShandaAI/AlayaRenderer.git
```
2按模型分环境

官方明确建议每个模型单独一个 conda 环境，依赖互相冲突。
3下对应权重

逆渲染和游戏编辑是两个任务，权重不通用，按要跑的那个下。
4单卡跑推理

用环境变量指定卡号，避免和别的任务抢显存。
```
CUDA_VISIBLE_DEVICES=0 python
```
5看输出的可编辑资源

它出的是可再编辑的材质与光照参数，不只是渲染结果图。