一句话结论
小米在 REDMI K100 上线基于 WorldCast 框架的 3D 运镜功能，可将平面照片转化为保持人物一致的环绕推拉视频。
关键要点
- 小米 REDMI K100 手机于 10 月 27 日正式发布，其影像系统新增 3D 运镜 AI 功能。
- 该功能支持从相册选取静态照片，生成包含环绕、推拉、倾斜的大角度 3D 运镜视频。
- 视频生成过程中，画面中人物的五官、发型及衣着特征始终保持一致。
- 支撑该技术的是小米近期公开论文中的视觉生成框架 WorldCast。
- 小米技术官方称后续将基于此底座探索更复杂运镜、长视频及可控 4D 视频生成。
背景与事实
2024 年 11 月 4 日，据小米技术官方介绍，早在 10 月 27 日正式发布的 REDMI K100 手机已具备 3D 运镜功能。该功能允许用户从手机相册中选取任意一张静态照片，通过 AI 技术生成一段具有大角度运动效果的 3D 视频。在此过程中，虚拟镜头可执行环绕、推拉以及倾斜等运动轨迹，模拟真实拍摄视角，同时确保画面主体（如人物）的五官、发型和衣着等细节在镜头运动中保持一致性，避免传统 2D 视频化过程中常见的主体变形或特征漂移问题。
支撑这一功能的核心技术是小米近期在学术论文中公开的视觉生成框架 WorldCast。该框架通过解读平面照片中的深度结构，将其还原为三维场景，并在该虚拟三维空间中规划出符合物理规律的相机轨迹。WorldCast 旨在解决静态图像到动态视频转化中的空间一致性难题，使镜头运动如同由真实相机拍摄而成，从而在视觉上营造出更强的立体感和沉浸感。小米技术官方指出，WorldCast 是小米在可控视觉生成领域取得的新突破，它不仅赋予了 REDMI K100 相册新的交互玩法，更将相关方法、数据集及评测标准进行了系统性沉淀，为后续技术迭代奠定基础。
影响分析
对于中文开发者及视觉计算从业者而言，小米将 WorldCast 框架公开并应用于 REDMI K100，具有重要的工程化示范意义。该框架展示了如何在移动端设备上实现高一致性的 2D-to-3D 视频生成，特别是其在保持主体外观一致性方面的表现，为端侧 AI 视觉生成提供了可参考的技术路径。虽然目前该功能主要作为手机影像的娱乐化玩法出现，但其背后的深度结构解读与虚拟相机轨迹规划逻辑，可启发开发者在 AR/VR 内容生成、数字人驱动及交互式视频等领域的应用探索。此外，小米强调将方法、数据集和评测方式沉淀下来，意味着该领域可能形成更标准化的评估体系，有助于开发者客观对比不同视觉生成模型的优劣。
适用边界
该结论主要适用于小米 REDMI K100 机型及其特定的 3D 运镜功能场景，目前并非通用的全平台开源框架。WorldCast 技术对输入照片的质量及主体结构有一定要求，复杂背景或动态模糊的照片可能无法生成理想效果。此外，该功能目前侧重于人物主体的外观一致性保持，对于非人物主体或超复杂多主体场景的处理能力尚未在来源中明确详述。同时，后续探索的可控 4D 视频生成技术仍处于研究阶段，尚未在现有设备中落地，不能直接应用于当前的产品开发需求。
孤本观察
本次小米将学术界的 WorldCast 框架迅速转化为消费级手机功能，体现了科技企业在产学研结合上的加速趋势。编辑认为，这种将深度视觉生成能力下沉至千元级影像旗舰的做法，可能会重新定义移动端视频社交内容的生产门槛，使普通用户也能低成本获取具有电影感镜头语言的短视频素材。
常见问题
REDMI K100 的 3D 运镜功能支持生成哪些类型的视频运动轨迹？
支持包含环绕、推拉及倾斜的大角度 3D 运镜视频。
WorldCast 框架主要解决静态照片转视频过程中的什么难题？
解决空间一致性难题，通过解读深度结构还原三维场景，确保人物五官、发型及衣着在镜头运动中保持一致。
使用 WorldCast 技术生成视频对输入照片有何要求？
对输入照片的质量及主体结构有一定要求，复杂背景或动态模糊的照片可能无法生成理想效果。
小米提到的可控 4D 视频生成技术目前处于什么状态？
仍处于研究阶段，尚未在现有设备中落地，不能直接应用于当前的产品开发需求。
来源：IT之家