“中国造”全球首个实时视频生成模型发布 可支持内容“实时演化、即时调整”丨预见·科技

封面新闻记者 欧阳宏宇

1月14日，记者获悉，国内人工智能创业团队在世界模型方向取得重要进展，国产全球首个实时视频生成模型于近期发布。据介绍，该大模型为全球首个支持最高1080P分辨率、可实现即时响应的通用实时世界模型，将视频生成从以往的“静态输出、等待成片”，推进至“实时交互、持续演化”。分析人士认为，这标志着人工智能视频技术迈入新的发展阶段，也被业内视为中国企业在该前沿领域实现的重要里程碑式突破。

据介绍，这一大模型为通用实时世界模型，由爱诗科技研发，命名为PixVerse R1。所谓实时世界模型，是一种能够对画面、声音等内容进行实时生成和交互建模的人工智能系统，使数字场景能够持续演化，并即时响应用户操作。实时互动视频生成是其中主要应用之一。

与传统 AI 视频生成需要等待数十秒甚至数分钟、一次性输出固定片段不同，该大模型核心能力在于“实时交互”。在生成过程中，视频画面会随着用户指令即时变化，用户可以持续调整角色状态、环境变化和镜头走向，系统同步响应并保持画面、角色和场景演化逻辑的一致性，使视频内容能够连续生成而非反复重启，实现“所想即所见、所说即所现”的交互体验。

这一变化，使 AI 视频从“生成结果”转变为“生成过程”。用户不再只是等待结果的观看者，而可以像导演一样介入创作节奏。业内人士形象地比喻，这种体验就像演员在镜头前即兴表演——正如周星驰在电影《喜剧之王》中十秒钟完成七个表情变化的经典表演，在这一模型中，用户也可以在极短时间内连续指示角色哭泣、跳舞或摆出不同姿态，这些变化会随着视频进展即时呈现，创意表达不再被“进度条”打断。

从技术层面看，PixVerse R1基于原生多模态基础模型、自回归流式生成机制和瞬时响应引擎构建。相关机制使视频不再是由孤立片段拼接而成，而是一条可持续生成、可随时调整的视觉流。长期以来困扰 AI 视频生成的画面突变、逻辑断裂和高延迟问题，在这一框架下得到系统性突破。

目前，爱诗科技已获得阿里巴巴、巨人网络等企业参与投资。该企业创始人兼CEO王长虎表示，PixVerse R1是全新的媒体形式，AI 第一次可以基于用户的意图实时生成一个持续演化、物理上合理的世界。无论是 AI 原生游戏、互动电影，还是生成式直播电商体验，叙事都能“所想即所现”（As You Think）。

业内认为，实时视频生成技术正在消除内容创作与传播之间的技术隔阂，重塑用户与人工智能生成内容之间的互动方式。视频不再是生成完成后的静态成品，而是一个可以被持续干预、不断演化的过程，创作与消费的边界也随之被重新定义。该成果也被视为实时世界模型从研究探索走向可交互、可部署的产品级阶段的重要标志。“PixVerse R1 的发布，不仅是单一产品的技术进展，更标志着AI视频从预录制回放走向实时动态生成的关键节点，随着实时生成能力在更多场景中落地，AI 视频有望在互动娱乐、影视创作、教育培训、数字仿真等领域释放更大应用潜力。”