World-R1

给视频生成加上3D物理约束，让画面更稳定不扭曲

开源 🏷️定价信息待确认 ✅ 目前可打开视频生成 🍴 复刻 18 🐛 待处理 3 👀 关注 8

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 429

维护状态低维护

是否开源开源

定价模式 🏷️定价信息待确认

项目预览

项目数据

分类视频生成

开发团队microsoft

官网地址https://aka.ms/world-r1

GitHubhttps://github.com/microsoft/World-R1

定价模式🏷️定价信息待确认

价格说明定价信息待确认

访问状态✅ 目前可打开

是否开源是

开源协议MIT

主要语言Python

技术栈/模型3d-foundation-model,icml-2026,reinforcement-learning,video-generation,world-models

GitHub 星标★ 429

上线时间2026-03-18 00:00:00

代码更新2026-06-03

仓库体积78.5 MB

本站数据更新2026-11-09

维护状态低维护

收录时间2026-08-09

浏览次数4

项目介绍

World-R1 是一个面向文本到视频生成任务的强化学习框架，核心思路是在视频生成过程中注入 3D 约束，以提升生成内容的物理合理性和时空一致性。它解决了现有视频生成模型常出现的物体形变、运动不自然、场景结构混乱等问题。项目基于 3D 基础模型，通过强化学习让生成器在优化过程中显式地遵循 3D 几何与运动规则，从而在保持文本语义对齐的同时，获得更稳定的视频输出。该框架支持训练和推理流程，并提供与主流视频生成模型的集成接口。作为 ICML 2026 的早期开源项目，其代码结构清晰，适合研究者复现和扩展。

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 ★ 429

技术标签

reinforcement-learning video-generation world-models

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 65 分钟部署方式：本地GPU 5 步

环境要求

NVIDIA GPU（显存 24GB 起）
CUDA 12.x

安装与启动步骤

1建环境

官方指定 Python 3.10。
```
conda create -n world-r1 python=3.10 -y
```
2装对应 CUDA 的 torch

torch 与 CUDA 版本必须对上，装错第一次前向就崩。
```
pip install torch torchvision --index-url https://download.pytorch.org/whl/cu124
```
3装其余依赖

按 requirements 装，注意扩散框架版本。
```
pip install -r requirements.txt
```
4下基座与奖励模型权重

仓库不含权重，按说明分别获取。
5跑一次推理对比

同一提示词比较开与不开对齐的效果。