# SPW-Nav可根据语音指令实时生成2K全景视频

> 研究人员推出SPW-Nav模型，可从单张图片实时生成时长达一分钟的2K全景视频，并根据口头导航指令调整画面。

Oossa · 2026-10-08 · https://oossa.com/zh/spw-nav-streams-2k-360-video-from-language-instructions

由Ziqi Cai带领的团队发布了SPW-Nav。这款流式全景世界模型能将语言指令转化为实时360度视频。它以一张全景图为起点，可按照“左转”或“向前走”等指令生成画面，同时保持较高的视频质量。系统采用球面旋转和与位姿对齐的条件控制，避免长时间生成时画面逐渐偏移。团队还发布了SPW-NavSet，这是一个包含全景视频、经核实的摄像机轨迹和指令的数据集。

## 事实

- 论文于2026-10-08发布在arXiv上
- 可实时生成最长一分钟的2K 360°视频

## 为什么重要

这项技术有望让VR应用仅凭一张照片就能即时生成导览，减少对预录视频的依赖。

## 来源与参考

1. [SPW-Nav: A Streaming Panoramic World Model for Language-Guided Navigation](https://arxiv.org/abs/2610.08941) – arXiv cs.CV, 2026-10-08

最后更新: 2026-10-08