World Labs mở Atlas cho mọi người: biến ảnh thành thế giới 3D, xuất Gaussian splat và có API công khai

✍️ Ngô Thuần (Copax)📅 16/11/2026👁 5⏱ 13 phút đọc
World Labs mở Atlas cho mọi người: biến ảnh thành thế giới 3D, xuất Gaussian splat và có API công khai

Ngày 12/11/2026 (giờ Mỹ), World Labs – công ty AI do nhà khoa học Fei-Fei Li đồng sáng lập – chính thức mở Atlas cho tất cả mọi người. Atlas là "world model" (mô hình thế giới) mà hãng giới thiệu lần đầu ngày 1/9/2026, trước đó chỉ một nhóm đối tác được dùng thử. Giờ đây, bất kỳ ai đăng nhập đều có thể đưa vào vài tấm ảnh, một ảnh do AI tạo hoặc một bố cục khối đơn giản, rồi nhận lại khung hình từ góc máy mới, video có điều khiển camera, hoặc cả một cảnh 3D dạng Gaussian splat để mang sang Blender, game engine hay công cụ dựng phim.

Đi kèm đợt mở cửa là bốn công cụ – Viewfinder, Chisel, Splats to Mesh, Relight – và một Developer API công khai, không cần ký hợp đồng đối tác. Trên X, câu chuyện "World Labs Releases Atlas for Public 3D World Creation" lọt vào nhóm tin công nghệ được bàn tán nhiều trong tuần.

Bài viết này giải thích dễ hiểu: Atlas là gì, khác gì so với model tạo video thông thường, mỗi công cụ dùng để làm gì, API có những tác vụ nào, và những điểm cần dè dặt trước khi đưa vào quy trình làm việc thật.

Ảnh giới thiệu Atlas – world model cho trí tuệ không gian của World Labs Nguồn: ảnh giới thiệu chính thức trong bài Atlas: A World Model for Spatial Intelligence trên blog World Labs.

Atlas là gì? "World model" khác gì model tạo video?

Model tạo video quen thuộc (như các model bạn có thể đã đọc trong bài Xu hướng AI tạo video năm 2026) nhận một câu mô tả hoặc một ảnh đầu vào rồi "vẽ" ra chuỗi khung hình. Bạn muốn camera lia trái, bạn phải viết "camera pans left" vào prompt và hy vọng model hiểu đúng.

World model đặt mục tiêu khác: hiểu một không gian trông như thế nào từ mọi phía, vận hành ra sao và thay đổi theo thời gian. Theo bài công bố của World Labs, Atlas là một omni model được huấn luyện từ đầu, làm việc trực tiếp với văn bản, ảnh, video và dữ liệu 3D. Về kiến trúc, hãng mô tả Atlas là multimodal autoregressive diffusion transformer:

  • Đa phương thức (multimodal): xử lý văn bản, ảnh, tư thế camera (camera pose) và bản đồ độ sâu (depth map). Video được biểu diễn như một chuỗi ảnh.
  • Tự hồi quy (autoregressive): sinh từng phần tử một, phần sau dựa trên những gì đã có – giống cách một mô hình ngôn ngữ sinh từng token.
  • Diffusion: mỗi khung hình được tạo bằng cách khử nhiễu dần, như các model tạo ảnh.
  • Transformer: khung xương chung của hầu hết AI hiện đại.

Điểm cốt lõi là "spatial context" – ngữ cảnh không gian. Mỗi ảnh đưa vào Atlas được gắn với một vị trí camera cụ thể trong không gian 3D. Nhờ vậy, Atlas có thể tạo góc nhìn mới mà vẫn khớp hình học với những gì đã thấy, và tự "tưởng tượng" phần chưa thấy (ví dụ mặt sau của một vật thể). World Labs nhấn mạnh: càng nhiều ảnh đầu vào, model càng ít phải tưởng tượng – từ 2–3 ảnh đã có thể tái dựng khá trung thực, và model có thể dùng tới hơn một trăm ảnh trong ngữ cảnh.

Theo World Labs, Atlas làm được bốn nhóm việc chính:

  1. Tạo ảnh/video có điều khiển camera: từ một hoặc vài ảnh tham chiếu, tạo góc nhìn ở bất kỳ vị trí camera nào; video dài tới 1 phút ở độ phân giải 1440p.
  2. Tái dựng không gian: dựng lại cảnh thật từ một đến hàng chục ảnh, xuất cả khung hình mới lẫn dữ liệu 3D (point cloud, Gaussian splat).
  3. Mô phỏng không–thời gian: từ video quay bằng vài điện thoại, "đóng băng" thời gian và đổi góc máy kiểu bullet time; hỗ trợ quy trình Real-to-Sim cho robot.
  4. Tạo ảnh và ảnh 360 độ từ văn bản – không phải trọng tâm, nhưng vẫn làm được.

Gaussian splat là gì và vì sao quan trọng?

Nếu bạn chưa quen, 3D Gaussian Splatting là cách biểu diễn cảnh 3D bằng hàng triệu "đốm" hình elip nhỏ, mỗi đốm có màu và độ trong suốt riêng. Thay vì dựng lưới đa giác (mesh) như mô hình 3D truyền thống, splat tái hiện ánh sáng, phản chiếu, chi tiết như lá cây hay tóc rất tự nhiên và có thể render mượt trên thiết bị phổ thông.

Atlas xuất splat ở định dạng SPZ hoặc PLY. Theo trang Radiance Fields, Blender 5.3 (phát hành ngày 10/11/2026) đã hỗ trợ nhập Gaussian splat gốc, nên file từ Atlas có thể mở thẳng trong Blender mà không cần add-on. Khi cần hình học thật để làm game hay va chạm vật lý, công cụ Splats to Mesh sẽ chuyển splat thành mesh.

Bốn công cụ ra mắt cùng Atlas

Frameboy – bản demo khám phá thế giới Atlas theo thời gian thực Nguồn: ảnh minh họa Frameboy trong bài Frameboy: Atlas in Real-time trên blog World Labs, 5/11/2026.

1. Viewfinder – từ ảnh thành cảnh có thể "đi dạo"

Viewfinder nhận ảnh chụp hoặc ảnh do AI tạo, tái dựng cảnh, cho bạn di chuyển camera để xem các góc mới, đặt đường bay camera (camera path) và xuất video. Theo các bài tổng hợp từ DEV Community và Genativity, Viewfinder có thể tái dựng một địa điểm thật từ tối đa 64 ảnh chụp chồng lấn, hoặc tạo cả cảnh xung quanh chỉ từ một ảnh.

Từ ngày 5/11, World Labs còn tích hợp chế độ thời gian thực Frameboy vào Viewfinder: khung hình được stream từ GPU trên cloud về trình duyệt với tốc độ tối đa 15 khung hình/giây trong khi bạn điều khiển camera. Đây vẫn là bản research preview, và chính World Labs thừa nhận chạy trên GPU cloud mạnh nên "không rẻ" so với render cục bộ.

2. Chisel – dựng khối trước, render sau

Chisel đi theo hướng "hình học trước": bạn dựng bố cục cảnh bằng các khối đơn giản (grayboxing) từ prompt hoặc ảnh tham chiếu, kéo thả đồ vật, và mọi góc camera cập nhật theo. Khi bố cục đã ổn mới render ra ảnh, video hoặc splat. Với người làm game, kiến trúc hay dựng bối cảnh phim, đây là cách làm quen thuộc: chốt bố cục trước, lo chi tiết sau.

3. Splats to Mesh – mang cảnh vào game engine

Chuyển splat thành mesh có hình học thật cho game và môi trường tương tác. Qua API, tác vụ tương ứng trả về file GLB, có giới hạn số mặt (face count) và hộp va chạm (box collider).

4. Relight – đổi ánh sáng cho splat

Công cụ thử nghiệm cách chiếu sáng lại và chỉnh sửa splat – hữu ích khi bạn muốn cùng một cảnh nhưng đổi sang hoàng hôn hay ban đêm.

Atlas cho lĩnh vực phim ảnh và VFX Nguồn: ảnh minh họa mục "Film & VFX" trên trang sản phẩm Atlas của World Labs.

Developer API: những tác vụ chính

Đây là phần đáng chú ý với lập trình viên. Trang tài liệu Atlas Developer API (vẫn mang nhãn beta) liệt kê các tác vụ:

Tác vụ Chức năng
atlasGenerate Tạo cảnh và góc nhìn mới
atlasTextToImage Tạo ảnh từ văn bản
atlasChisel Quy trình dựng khối kiểu Chisel
images2PosedRGBD Ước lượng tư thế camera và độ sâu từ ảnh
posedImages2Splats Từ khung hình có tư thế camera → file splat SPZ
splats2Mesh Chuyển splat thành mesh GLB

Bên cạnh đó là nhóm endpoint quản lý tài sản (upload/đọc file) và quản lý tác vụ (xem trạng thái, chờ, hủy, webhook) – mô hình bất đồng bộ quen thuộc: gửi tác vụ, nhận mã operation, rồi đợi kết quả.

Theo Radiance Fields, posedImages2Splats có hai chế độ: refined nhận 2–512 khung hình theo thứ tự, draft nhận 2–32 khung hình và tốn ít credit hơn nhiều; tác vụ lỗi không bị tính phí. Một lần chạy thường mất 15–25 phút – trong ví dụ trên tài liệu, 8 khung hình chụp một xưởng gốm cho ra khoảng 2 triệu splat sau 18 phút. Chi phí tính theo credit; World Labs chưa công bố trang giá riêng cho Atlas, còn giới hạn tốc độ (rate limit) vẫn ghi "sẽ công bố sau".

World Labs cũng có extension Atlas cho Blender và một "skill" atlas-blender trong kho skills trên GitHub, cho phép agent lập trình điều khiển việc tạo và chỉnh cảnh ngay trong Blender. Nghĩa là tạo nội dung 3D giờ có thể trở thành một bước gọi được trong pipeline tự động – xu hướng "agent dùng công cụ" mà Sydigi đã nhắc tới trong nhiều bài gần đây.

Hướng dẫn nhanh: thử Atlas trong 15 phút

Nếu muốn trải nghiệm ngay, bạn có thể đi theo trình tự sau:

  1. Truy cập trang Atlas của World Labs và đăng nhập (chi phí tạo được tính theo credit, xem chi tiết trên trang chính thức).
  2. Chọn Viewfinder nếu bạn đã có ảnh. Mẹo chung khi chụp để tái dựng 3D: chụp 3–10 tấm cùng một không gian từ nhiều góc khác nhau, các ảnh chồng lấn nhau khoảng một phần ba, ánh sáng đồng đều. Theo chính World Labs, thêm ảnh giúp model bớt "đoán" và tái dựng trung thực hơn.
  3. Nếu chỉ có một ảnh (ảnh concept, ảnh AI tạo), Atlas vẫn tạo được cảnh – nhưng hãy chấp nhận phần nằm ngoài khung ảnh là do model tưởng tượng.
  4. Đặt camera path: thêm vài điểm camera chính, xem trước, rồi render video. Với cảnh phức tạp, nên thử đường bay ngắn trước.
  5. Xuất splat (SPZ/PLY) và mở trong Blender 5.3 trở lên, hoặc chuyển sang mesh nếu cần đưa vào game engine.
  6. Muốn bố cục chủ động hơn? Chuyển sang Chisel, dựng khối trước rồi mới render.

Với người làm ảnh AI, một quy trình thú vị là: tạo ảnh concept bằng model tạo ảnh (xem cách viết prompt tạo ảnh AI hiệu quả), đưa ảnh đó vào Atlas để mở rộng thành cảnh 3D, rồi render nhiều góc máy nhất quán – điều mà model tạo video đơn thuần thường khó giữ được.

Atlas cho kiến trúc và thiết kế nội thất Nguồn: ảnh minh họa mục "Architecture & Design" trên trang sản phẩm Atlas của World Labs.

Ai nên quan tâm?

  • Phim, quảng cáo, VFX: dựng bối cảnh từ vài tấm ảnh location, thử góc máy trước khi quay, hoặc dựng "bullet time" từ vài chiếc điện thoại thay vì cả dàn camera.
  • Kiến trúc, nội thất, bất động sản: tạo không gian xem được từ mọi góc từ ảnh chụp hoặc bản khối, rồi xuất mesh sang phần mềm chuyên dụng.
  • Game và ứng dụng tương tác: phác nhanh level, môi trường; chuyển splat sang mesh có va chạm.
  • Robot và nghiên cứu: tạo môi trường mô phỏng từ video quay bằng điện thoại, sinh dữ liệu cảm biến (ảnh màu và độ sâu) cho robot.
  • Người sáng tạo nội dung: biến ảnh concept thành video lia máy mượt, nhất quán cho Reels, Shorts, TikTok.

Những điểm cần dè dặt

Atlas rất ấn tượng trên demo, nhưng có vài điều nên biết trước khi đặt cược quy trình vào nó:

  • Số liệu so sánh là do hãng tự công bố. Khi ra mắt, World Labs cho biết người đánh giá chọn Atlas nhiều hơn các model video đối thủ trong bài kiểm tra điều khiển camera (khoảng 75–94% tùy đối thủ, theo tổng hợp của Genativity). Tuy nhiên, Atlas nhận camera path như đầu vào gốc, còn model đối thủ chỉ được mô tả chuyển động bằng chữ – chính World Labs cũng nói rõ điều này – nên phần chênh lệch một phần phản ánh khác biệt về cách nhập liệu.
  • Chưa có paper, model card hay kiểm chứng độc lập tại thời điểm mở cửa, theo Genativity.
  • Vẫn là beta: tài liệu và tên miền API mang nhãn beta, rate limit chưa công bố, thời gian tạo splat tính bằng chục phút.
  • Chi phí: tính theo credit, chưa có bảng giá Atlas riêng; chế độ thời gian thực Frameboy chạy trên GPU cloud nên tốn kém hơn render cục bộ.
  • Đây là dịch vụ đóng, không phải model mở trọng số để tự chạy trên máy như MiniMax H3-Image hay các model trong ComfyUI.

Atlas trong bức tranh AI thị giác cuối 2026

Tuần qua là tuần sôi động của AI thị giác: model ảnh mở trọng số nhanh hơn, model video rẻ hơn (như Seedance 2.5 Flash), và giờ là world model mở cho đại chúng. Hướng đi chung là kiểm soát nhiều hơn: thay vì "quay xổ số" với prompt, người dùng muốn chỉ định chính xác góc máy, bố cục và giữ nhất quán qua nhiều cảnh. Atlas đẩy hướng này sang không gian 3D – như World Labs viết, bạn "đang dàn dựng cảnh, không phải kéo cần máy đánh bạc".

Trong thực tế, nhiều đội nhóm sẽ kết hợp: dùng model tạo ảnh/video qua API cho nội dung số lượng lớn, và dùng công cụ như Atlas cho những cảnh cần nhất quán không gian. Nếu bạn đang xây website hoặc ứng dụng cần tạo ảnh, tạo video bằng AI qua API mà không muốn tự vận hành GPU, có thể tham khảo cổng API Lumina – gọi nhiều model tạo ảnh, video qua một đầu mối thống nhất. Hướng dẫn tích hợp mẫu có trong bài Tích hợp API tạo ảnh AI vào website. Về chi phí: liên hệ để được giá tốt nhất.

Tóm tắt

World Labs đã mở Atlas cho mọi người từ ngày 12/11/2026: một world model biến ảnh, ảnh AI hoặc bố cục khối thành cảnh 3D nhất quán, xuất được video điều khiển camera, Gaussian splat (SPZ/PLY) và mesh. Bốn công cụ Viewfinder, Chisel, Splats to Mesh, Relight cùng Developer API công khai giúp cả người sáng tạo lẫn lập trình viên dùng được ngay, dù sản phẩm vẫn ở giai đoạn beta, chưa có bảng giá riêng và các số liệu so sánh chưa được kiểm chứng độc lập.

Sydigi sẽ tiếp tục theo dõi Atlas và các công cụ tạo 3D bằng AI. Theo dõi chuyên mục Tin tức AI để không bỏ lỡ.

Nguồn tham khảo

Ngô Thuần (Copax)

Train model AI tạo ảnh, dựng hạ tầng API và biến ý tưởng AI thành phần mềm chạy thật.

Xem giới thiệu →

Bài liên quan