HenryPixVerse R1: Reālā laika interaktīvā AI video sākums
Alibaba atbalstīts PixVerse atklāj R1, pirmo pasaules modeli, kas spēj ģenerēt 1080p video, kas uzreiz reaģē uz lietotāja ievadi, atvērtot durvis bezgalīgajiem spēlēm un interaktīvajam kino.
Kā būtu, ja video varētu reaģēt uz tevi, kamēr tas joprojām tiek ģenerēts? PixVerse to nopelnīto jautājumu padarīja novecojušu, atbildot uz to.
- gada 13. janvārī Alibaba atbalstītais jaunuzņēmums PixVerse atlaida kaut ko, kas izskatās mazāk kā produkta atjauninājums un vairāk kā paradigmas maiņa. R1 ir pirmais reālā laika pasaules modelis, kas spēj ģenerēt 1080p video, kas uzreiz reaģē uz lietotāja ievadi. Ne partijās. Ne pēc progresa joslas. Tagad, kamēr tu skatīties.
Reālā laika AI video ģenerēšana nozīmē, ka rakstzīmes var raudāt, deju, iesaldēt vai pieņemt pozu uz komandu, ar izmaiņām, kas notiek uzreiz, kamēr video turpinās.
No paketēšanas pārstrādes uz bezgalīgiem straumes
Tradicionālā video ģenerēšana darbojas šādi: tu uzraksti uzvedni, gaidi jebkur no sekundēm līdz minūtēm, un saņem fiksētu videoklipu. Tas ir pieprasījuma atbildes modelis, kas piesaistīts no teksta uz attēlu agrās dienas. PixVerse R1 pilnībā salaužu šo formu.
Sistēma pārvērš video ģenerēšanu tajā, ko uzņēmums sauc par "bezgalīgu, nepārtrauktu un interaktīvu vizuālo straumi." Nav gaidīšanas. Nav iepriekš noteikta beigu punkta. Tu vadī atskaņu, kamēr tas atveras.
Tehniskā arhitektūra aiz reālā laika ģenerēšanas
Kā tu padarīsi izplatīšanas modeļus pietiekami ātrus reālā laika lietošanai? PixVerse to atrisināja, izmantojot to, ko viņi sauc par "laika trajektorijas salikšanu".
Standarta izplatīšanas paraugošana prasa desmitus iteratīvu darbību, no kurām katra ļauj iespējamaisam no trokšņa uz koherentu video. R1 sabremzē šo procesu līdz tikai vienam līdz četriem soļiem, izmantojot tiešu prognozi. Tu salīdzini ar dažu video ģenerēšanas elastību ātruma dēļ, kas nepieciešams interaktīvai lietošanai.
Reālā laika atbilde iespējo jaunus lietojumprogrammas, kas nav iespējamas ar paketēšanas ģenerēšanu, piemēram, interaktīvi naratīvi un AI-iedzimtas spēles.
Tiešā prognozēšana piedāvā mazāku kontroli pār precīzas ģenerēšanas salīdzinājumā ar pilnu izplatīšanu.
Pamatā esošais modelis ir tas, ko PixVerse apraksta kā "Omni Native Multimodal Foundation Model." Tā vietā, lai tekstu, attēlus, audio un video tīklu apstrādātu caur atsevišķiem apstrādes posmiem, R1 apstrādā visus ieejas kā vienotu žetonu straumi. Šī arhitektūras izvēle novērš pārsūtīšanas latenci, kas posta tradicionālās multi-modālās sistēmas.
Ko tas nozīmē kreatīvajiem?
Sekas pārsniedz ātrāku renderēšanu. Reālā laika ģenerēšana iespējo pilnīgi jaunus radošus darbplūsmus.
AI-iedzimtas spēles
Iespēlējies spēles, kurās vidi un naratīvi dinamiski attīstās reaģējot uz spēlētāja darbībām, bez iepriekš izstrādātiem naratīviem, bez satura robežām.
Interaktīvais kino
Mikro drāmas, kur skatītāji ietekmē, kā stāsts atveras. Ne izvēlēties savu piedzīvojumu ar sazarojumiem, bet nepārtrauktu naratīvu, kas sevis pārveidojas.
Tiešā vadīšana
Režisori var pielāgot ainās reālā laikā, pārbaudot dažādu emociju reizes, apgaismojuma izmaiņas vai rakstzīmju darbības bez atkārtošanas.
Konkurences ainava, Ķīnas AI video dominance
PixVerse R1 pastiprina modeli, kas veidojies visu 2025. gadu, ķīnietieši komandi vadā AI video ģenerēšanā. Saskaņā ar AI etalona uzņēmumu Artificial Analysis, septiņas no astoņām labākajām video ģenerēšanas modeļiem nāk no ķīnietiskiem uzņēmumiem. Tikai Izraēlas jaunuzņēmums Lightricks salaužu streiku.
Lai iegūtu dziļāku ieskatu par Ķīnas pieaugošo ietekmi uz AI video, skatiet mūsu analīzi par to, kā ķīnietieskie uzņēmumi pārveidojot konkurences ainavu.
"Sora joprojām nosaka kvalitātes griestus video ģenerēšanā, bet to ierobežo ģenerēšanas laiks un API izmaksas," atzīmē Wei Sun, galvenais analītiķis uzņēmumā Counterpoint. PixVerse R1 uzbrūk tieši tiem ierobežojumiem, piedāvājot atšķirīgu vērtības priekšlikumu, nevis maksimālo kvalitāti, bet maksimālo reaģējamību.
| Metrika | PixVerse R1 | Tradicionālie modeļi |
|---|---|---|
| Reaģēšanas laiks | Reālais laiks | Sekundes līdz minūtes |
| Video garums | Bezgalīgs straumes | Fiksēti klapi (5-30s) |
| Lietotāja mijiedarbība | Nepārtraukts | Uzvedne-tad-gaidīšana |
| Izšķirtspēja | 1080p | Līdz pat 4K (pakets) |
Reālā laika video biznesis
PixVerse nav tikai veidojot tehnoloģiju, viņi veido biznesi. Uzņēmums 2025. gada oktobrī paziņoja par 40 miljoniem dolāru gadējumu, un pieauga līdz 100 miljonu reģistrētu lietotāju. Līkumdevis Jaden Xie cenšas dubultot šo lietotāju bāzi līdz 200 miljonu vidus gadā 2026.
Jaunuzņēmums piesaistīja vairāk nekā 60 miljonus dolāru rudens kārtā, kuru vadīja Alibaba, un tajā piedalījās Antler. Šis kapitāls tiek agresīvi pārraidīts, darbinieku skaits varētu gandrīz dubultvoties līdz 200 darbiniekiem līdz gada beigām.
PixVerse dibināts
Uzņēmums palaists ar fokuss uz AI video ģenerēšanu.
100M lietotāji
Platforma sasniedz 100 miljonus reģistrētu lietotāju.
$60M+ piesaistīts
Alibaba vadīts finansējuma kārta ar 40 miljoniem dolāru ARR.
R1 spēle
Pirmais reālā laika pasaules modelis nāk tiešraidē.
Pārbaudiet to pats
R1 ir pieejams tagad realtime.pixverse.ai, lai gan piekļuve pašlaik ir tikai uz uzaicinājuma, kamēr komanda skalas infrastruktūru. Ja tu sekoji pasaules modeļu evolūcijai vai eksperimentējis ar TurboDiffusion, R1 pārstāv loģisku nākamo darbību, nevis tikai ātrāka ģenerēšana, bet fundamentāli atšķirīgs mijiedarbības paradigma.
Jautājums vairs nav "cik ātri AI var ģenerēt video?" Jautājums ir "kas kļūst iespējams, kad video ģenerēšanai nav pamanāmas latentces?" PixVerse pēdējā sāka atbildēt uz šo jautājumu. Pārējie no mums seko līdzi.
Kas tālāk?
Reālā laika ģenerēšana 1080p ir iespaidīga, bet trajektorija ir skaidra, augstāka izšķirtspēja, garāka konteksta logi un dziļāka multimodāļa integrācija. Kad infrastruktūra skalas un tādas tehnikas kā laika trajektorijas salikšana nogatavo, mēs varam redzēt reālā laika 4K ģenerēšanu kļūst parastu.
Pagaidām R1 ir koncepcijas pierādījums, kas tiek dubultots kā ražošanas sistēma. Tas parāda, ka līniju starp "video ģenerēšanu" un "video direktēšanu" var neskaidri, līdz tas pilnīgi pazūd. Tas nav tikai tehnisks sasniegums. Tas ir radošs.
Saistīts lasīt: Uzziniet, kā izplatīšanas transformatori piedzen moderno video ģenerēšanu, vai izpēta Runway pieeja pasaules modeļiem citam skatījumam uz interaktīvo video.
Vai šis raksts bija noderīgs?
Henry
Radošais TehnoloģistsRadošais tehnoloģists no Lozannas, kurš pēta, kur MI satiekas ar mākslu. Eksperimentē ar ģeneratīviem modeļiem starp elektroniskās mūzikas sesijām.
Saistītie raksti
Turpiniet izpēti ar šiem saistītajiem rakstiem
Runway GWM-1: Vispārīgais pasaules modelis, kas simulē realitāti reāllaikā
Runway GWM-1 iezīmē paradigmas maiņu no videoklipu ģenerēšanas uz pasauļu simulāciju. Uzziniet, kā šis autoregresīvais modelis rada pētāmas vides, fotoreālistiskus avatārus un robotu apmācības simulācijas.
Pasaules Modeļi Ārpus Video: Kāpēc Spēles un Robotika ir Patiesie Pierādīšanas Laukumi AGI
No DeepMind Genie uz AMI Labs, pasaules modeļi klusi kļūst par pamatu AI, kas patiesi saprot fiziku. 500 miljardi dolāru spēļu tirgus var būt vieta, kur viņi vispirms sevi pierāda.
Yann LeCun pamet Meta, lai liktu 3,5 miljardus dolāru uz pasaules modeļiem
Tjūringa balvas laureāts dibina AMI Labs, jaunu uzņēmumu, kas fokusējas uz pasaules modeļiem, nevis LLM, mērķējot uz robotiku, veselības aprūpi un video izpratni.