PixVerse R2 將影片生成化為可漫步其中的世界
大多數影片生成工具對你的要求都一樣：描述場景、等待、取得短片、決定是否保留。輸出結果是一個檔案，每次播放都一模一樣。如果你想要不同結局，就得寫不同的提示詞，然後從頭來過。
PixVerse R2 於 9 月 23 日由 PixVerse 影片平台背後的公司 AIsphere 發布，建立在不同的前提上。它不會回傳固定短片，而是生成一個持續運行的視聽世界，並在你與之互動時繼續運作。你可以用文字或圖片建立世界，使用 WASD 鍵移動角色、變更攝影機視角，並輸入提示詞來替換角色、加入物件或改變環境。場景不會重新開始。先前的動作會持續留存，並形塑接下來發生的事。
最後這點正是整個核心概念。在大多數生成式影片中，每次請求都是獨立的。在 R2 中，提示詞會更新世界的狀態。在與創作者 Xiaolongbao 共同打造的互動示範影片 *Zero Mark* 中，向生物贈送禮物時，結果會根據你選擇的禮物即時生成。給牠一條龍或一片葉子，故事就會產生分歧。另一位創作者 Jade Wu 則圍繞一位名為 Eve 的即時數位角色打造了一段序列，Eve 在多次交流中維持一致的身分與記憶。
AIsphere 稱 R2 為通用即時世界模型，並已在 world.pixverse.video 開放遊戲、互動電影與數位人的示範空間。R2 是接續公司於 1 月推出的 R1。
它試圖打破的取捨
即時生成向來迫使我們做出選擇。小而快的模型能跟上即時互動，卻做不了太多事。大而強大的模型能產出更好的畫面，但運行速度太慢，無法對任何輸入做出反應。團隊通常選擇其中一邊，並接受其限制。
R2 將問題分成兩層。基礎是一個名為 Omni Causal AR 的因果自迴歸主幹，持續以短影片與長影片、多模態參考、音訊與動作控制進行訓練。它沿著五個維度擴展：模型、資料、任務、控制訊號與時間範圍。在此之上是即時加速層，將同一個主幹蒸餾成可在即時運行中使用的超少步版本。
這個區別很重要。AIsphere 不是訓練一個獨立的小模型來處理互動性，並接受它會比較弱，而是將其強大的模型蒸餾成更快的形式。這兩層共享同一血統，因此快速版本並非從零開始學習。
輔助技術補足了細節。動態分塊處理不同時間尺度上運作的訊號，因此模型不必以相同方式對待緩慢的環境變化和快速的角色移動。三個記憶通道分別追蹤持續存在的世界規則、近期動作與物件狀態。錯誤庫會在訓練期間重播模型自身的失敗狀態。
該公司報告，在內部測試中，錯誤庫將長時程亮度漂移指標降低了 35.8%，而區塊稀疏注意力在稀疏度高於 90% 時仍能幾乎完整保持品質。亮度漂移是一項不引人注目卻很能說明問題的指標。在長序列中，誤差的細微累積正是破壞「你正在看著一個連貫地點」這個錯覺的原因。
它不是什麼
AIsphere 對其限制相當坦率，這在行銷通常跑得比產品快的類別中令人耳目一新。在嚴格的即時與延遲限制下，R2 的單次輸出品質仍落後於領先的離線影片模型。如果你想要最銳利的短片，最好還是離線生成並耐心等待。
因此，其價值主張不是品質，而是連續性與反應性。模型犧牲了一些每幀畫面的精緻度，換取讓世界保持運作並對輸入做出反應的能力，而這場賭注在於，有大量用途更在意後者。
這樣的定位也說明了 R2 在中國實驗室及其他地方湧現的更廣泛世界模型浪潮中的位置。我們先前介紹過的 HiDream HD-V1，將自身定位在離線生成中的物理一致性與敘事連貫性。Google 的互動世界模型則朝可遊玩環境的方向推進。R2 的訴求最用力地傾向「你進入的環境」這個隱喻。AIsphere 創辦人暨執行長王長虎直接表示：即時互動影片不是世界建模的全部，但它是人們最早能體驗到的途徑。他預期 R2 將從創作工具演化為使用者隨時可進入的環境。
為何遊戲引擎很重要
PixVerse 遊戲引擎於 7 月首次推出，現在運行於 R2 上。這是研究領域之外任何人都值得關注的部分。附加到遊戲引擎的即時世界模型，與影片生成器是截然不同的產品。它意味著精心設計的互動、存檔狀態，以及玩家早已期望軟體而非媒體所能提供的某種工作階段持續性。
示範用例都圍繞這個概念：遊戲、互動電影、數位人。這三種都是觀眾會做出某種行動的格式，而固定短片無法提供這種體驗。記得上次交流內容的數位人，在客戶服務或陪伴方面的用處，是一次性影片永遠做不到的。觀眾選擇會真正產生分歧的互動電影，是傳統影片流程完全無法製作的形態。
示範空間與正式部署之間存在實際落差，而 AIsphere 尚未揭露商業可用時程、定價，或一場即時 R2 工作階段會消耗多少算力。這些數字將決定該模型會成為平台，還是停留在示範階段。
這次發布背後的模式
退一步看，R2 符合過去一年 AI 影片中一個可辨識的模式。前沿不斷從「生成更漂亮的短片」轉向「隨時間維持連貫的事物」。無論這個事物是五分鐘的敘事、在不同鏡頭間保持一致的角色，或是 R2 的情況——一個在你施加影響時仍維持自身規則的世界，皆是如此。
這些都是同一個根本問題的不同面貌：在時間與互動不斷累積時，保持生成式系統的狀態一致。離線模型在單次算繪中逐幀解決這個問題。R2 則在輸入持續到來的即時工作階段中解決它。
無論 R2 會成為廣泛使用的工具，還是資金充裕的實驗，它都標示了這個類別認為下一個優勢所在。能在即時輸入下維持連貫世界的公司將佔據有利位置，因為正是這種能力，讓生成式影片從你觀看的東西，變成你使用的東西。