实测智象HiDream-O1-Video视频模型：嘻哈说唱、NBA绝杀，视频生成开始理解真实世界
智东西
近几月，AI 视频生成赛道竞争白热化。从字节 Seedance 2.5、MiniMax H3 到阿里 Wan3.0，再到 9 月智象发布的 HiDream-O1-Video-1.0（简称 HiDream V1），中国模型在全球权威榜单头部形成集群效应，行业格局正从“单点领先”转向“多家并进”。
作为创业公司，智象的入局标志着全球视频模型头部阵营中出现了新的力量。随着 AI 视频从单一内容创作走向影视、广告等生产场景，竞争焦点已从画质与时长，升级为对复杂运动及物理规律的理解。视频生成正成为探索世界模型的关键路径。
9 月 15 日，智象发布原生全模态音视频生成模型 HiDream V1。该模型在 Artificial Analysis 图生视频榜排名第 4，在 Arena.ai 榜单排名第 8，双双跻身全球前十，正式进入第一梯队。
HiDream V1 的发布，补上了智象围绕世界模型路线构建的最后一块拼图。至此，智象在图像、3D 交互、具身及视频方向的模型矩阵全面完成闭环，标志着其正式跻身视频生成核心决赛圈。
听得懂人话，也敢不凑时长
当前视频生成工具往往依赖详尽的专业提示词，而真实场景中用户输入多为口语化或模糊指令。HiDream V1 通过多模态意图理解模块，将自然语言拆解为包含人物、动作、镜头、光影等要素的结构化分镜，再进入联合生成，有效降低了使用门槛。
在时长控制上，HiDream V1 摒弃了固定窗口模式，转而根据事件展开与叙事节奏动态规划时长，原生支持 5 至 20 秒任意长度。配合 1080p 高保真输出，实现了从“按词生成画面”到“理解意图组织镜头”的跨越。
实测显示，在面对“下班累了抚摸小狗”的模糊语音指令时，模型不仅还原了人与狗的互动，还精准捕捉了人物起身时的疲惫姿态。而在测试动态时长能力时，面对简短提示词，模型未强行注水，而是生成了符合逻辑的 7 秒短视频，完整呈现了猫咪抬头与懒洋洋的状态。
在音画一致性测试中，即便提示词遗漏歌词，HiDream V1 也能自动补全并实现精准的口型同步。在生成的嘻哈音乐节场景中，鼓点、贝斯、灯光与人物动作高度协同，展现了强大的多模态对齐能力。
从生成动作到理解运动规律：一句话生成超燃百米飞人大战、NBA 绝杀
让物体动起来易，让其遵循物理规律动难。HiDream V1 强化了对重力、碰撞、惯性及光影衰减的建模，致力于解决视频中的因果逻辑问题。
在精细操作测试中，模型成功生成了双手协作拧螺丝的过程，工具与物体的空间关系自然连贯。在多人运动场景下，无论是 NBA 绝杀时的肌肉线条与篮球轨迹，还是奥运会百米赛跑中运动员的姿态与相对位置变化，HiDream V1 均表现出符合现实物理规律的运动逻辑，且无明显肢体穿模现象。
这一能力源于智象“先规划、后联合生成、再以多模态 Reward 对齐”的技术思路。其后训练阶段采用 Diffusion RL 技术，相关成果 DMSampler、DiffusionCompass、EvoID 三篇论文分别收录于 2026 年 ICML、ECCV、CVPR 三大顶会，为模型提供了坚实的理论与技术支撑。
智象联合创始人兼 CTO 表示，视频生成的代际进化在于模型是否真正理解创作者意图与物理规律。HiDream V1 基于原生全模态架构，实现了从“看得清、动得顺”到“听得懂、说得准、演得连贯”的跃迁。
不止路线图：一个 UiT 底座四大模型的体系化落地
HiDream V1 的发布标志着智象“图像、视频、3D、具身”四大模型方向全面就位。这四个模型共享 UiT（Unified Transformer）统一底座，能够在同一表征空间处理多模态数据，分别对应视觉生成、时间维度、交互环境与真实动作反馈四个观察世界的切面。
目前，智象旗下各模型均在权威榜单表现优异：HiDream-O1-Image 文生图能力居中国第一、全球第三；HiDream-O1-World 在交互式世界模型基准中物理一致性夺魁；HiDream-O1-Embodied 在鲁棒性子榜登顶。HiDream V1 的加入，进一步完善了这一同源演进的模型矩阵。
智象 CEO 梅涛指出，公司致力于构建“一个原生全模态底座、四大模型同源演进”的体系，而非独立的能力线。这一布局使其在全球世界模型探索中，形成了从视觉生成到真实世界交互的完整闭环。
结语：中国 AI 视频生成再添一股全球竞争力量
实测表明，HiDream V1 在连续动作、人物关系、物理规律及音画同步等方面表现卓越。特别是在高动态的体育场景中，模型展现出极强的时空预测能力，未出现物理定律崩坏的情况。
这折射出视频生成向世界模型演进的趋势：当模型能够理解时间、空间与因果关系，其能力边界将不断拓展，逐渐成为模拟真实世界的重要路径。HiDream V1 的问世，不仅彰显了智象的技术实力，也为中国 AI 视频生成在全球竞争中增添了重要砝码。
