阿里巴巴发布 World-in-Context 交互式视频世界模型，统一视角、动作与相机控制

阿里巴巴 Token Hub 团队发布 World-in-Context 交互式视频世界建模框架，通过显式 token 与交互感知的位置编码，在上下文条件化中统一自由视角、第一与第三人称动作以及相机控制，用于改进交互式视频生成与导航。该框架支持 Free-Camera、First-Person、Third-Person 等多种控制模式，代码与项目页已开源。