来源：科技日报

科技日报记者 都芃

1月14日，人工智能企业爱诗科技在北京发布了全球首个支持1080P分辨率的通用实时世界模型——PixVerse R1。该模型将视频生成延迟从“秒级”降至“即时”，真正实现了“所想即所见”的实时交互体验，标志着AIGC（人工智能生成内容）领域的视频生成技术迈入了“实时交互”的新纪元。

PixVerse R1通过三大核心技术突破，系统性解决了高分辨率视频实时生成这一世界性难题。首先是Omni原生多模态基础模型。该模型采用统一的Transformer架构，将文本、图像、音频与视频融合为单一生成序列，从而实现了端到端的跨模态理解与生成，并在原生分辨率下进行训练，保证了生成内容的一致性与真实感。

其次是自回归流式生成机制。该机制通过引入记忆增强注意力模块，攻克了长视频中角色、物体状态与环境逻辑的长期一致性难题，能够生成任意长度的视频内容。同时，它还允许用户在生成过程中随时插入新的指令，实现了可动态调整叙事的“流式交互”。

最为关键的是瞬时响应引擎。该引擎通过时间轨迹折叠、引导校正等创新方法，将传统扩散模型所需的50多次采样步数压缩至1到4步，计算效率提升了数百倍。这使得动态画面能够达到人眼可感知的“即时”响应水平，为高并发服务与未来终端部署奠定了坚实基础。

“PixVerse R1首次让AI能够基于用户意图，实时生成一个持续演化且物理合理的世界。”爱诗科技创始人兼首席执行官王长虎表示，这开创了AIGC“正在发生的现在”这一实时生成的新纪元。

未来，该应用有望广泛覆盖游戏、影视、互动娱乐及数字创意等多个领域。例如在游戏领域中，该技术可实现非玩家角色与环境的实时响应；在互动叙事中，观众可直接用语音塑造剧情，为新一代人工智能内容生成领域的创新发展提供了有力支撑。