爱诗科技创始人王长虎宣布，视频生成技术正式从“记录历史”迈入“正在发生的现在”新纪元，创作与消费的边界正在实时交互中逐渐消失。

2026年1月13日晚，爱诗科技正式发布了全球首个支持最高1080P分辨率的通用实时世界模型PixVerse R1。

这一模型首次将视频生成的延迟从“秒级”降至“即时”响应，实现了“所想即所见、所说即所现”的实时交互体验。

PixVerse R1标志着AIGC视频生成从“静态输出”迈入“实时交互”的全新阶段。

01 技术突破

传统视频生成模型面临两大挑战：高延迟和固定时长生成。用户通常需要等待数秒甚至更长时间才能看到生成的短视频片段。

PixVerse R1彻底改变了这一局面，实现了真正的实时交互视频生成。用户输入指令的同时，系统几乎同步生成相应的视频内容。

这意味着用户可以边想边看，视频内容随着指令的调整而实时变化。视频不再是预先生成的封闭片段，而是可实时交互的流式体验。

02 核心架构

PixVerse R1的背后是三大核心技术支柱协同构建的完整“实时交互世界引擎”。

Omni原生多模态基础模型采用Transformer架构，实现了文本、图像、音频与视频的端到端跨模态理解与输出。

更为关键的是，该模型全程在原生分辨率下训练，避免了上采样带来的模糊与伪影，使光影变化、物体运动与物理交互具备一致性和真实感。

自回归流式生成机制通过引入记忆增强注意力模块，可生成任意长度的视频内容，并长期维持角色身份、物体状态与环境逻辑的一致性。

用户不再受限于几秒片段，而能在生成过程中随时插入新指令，系统即时响应并动态调整叙事，实现真正的“流式交互”。

瞬时响应引擎是让这一切“实时”成为可能的关键创新。

该引擎通过时间轨迹折叠、引导校正和自适应稀疏采样三大创新，将传统扩散模型所需的50+采样步数压缩至1-4步，计算效率提升数百倍，让动态画面进入人眼可感知的“即时”响应阈值。

03 应用前景

PixVerse R1的应用场景覆盖游戏、影视、娱乐、创意等多个领域。

在游戏领域，非玩家角色与环境可实时响应玩家操作，实现真正的AI原生游戏体验。玩家与游戏世界的互动将达到前所未有的自然与流畅。

在互动娱乐中，观众可以通过语音或手势实时塑造剧情走向，传统的内容消费模式被颠覆。

在教育培训方面，PixVerse R1可作为实时学习与培训环境的基础设施，使复杂的概念和场景能够动态生成与调整。

例如，用户输入“一只猫跳上窗台，窗外下雨”，系统可同步生成1080P高清视频、雨声音效与动态光影。

在交互过程中，若用户补充指令“把天空变成黄昏”，画面将在半秒内实现自然过渡。

04 行业变革

爱诗科技创始人兼CEO王长虎表示：“PixVerse R1是全新的媒体形式。第一次，AI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。”

他认为，传统视频是被记录的历史，而PixVerse R1开创了“正在发生的现在”的实时生成新纪元。

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”。创作与消费的边界逐渐模糊：视频消费者同时也是创作者，能够在观看的同时立即调整和生成新内容。

PixVerse R1的发布不仅是视频生成技术的突破，更标志着一种新媒介形态的诞生——视频不再是封闭的“内容成品”，而是可交互、可延续、可共同演进的数字世界。

尽管在长序列生成中可能存在时间误差累积的问题，以及在物理规律精确呈现上相较于非实时模型有一定妥协，但PixVerse R1的突破性进展不容忽视。

爱诗科技已于2025年9月完成超过6000万美元B轮融资，由阿里巴巴领投。

其旗下产品包括海外版PixVerse和国内版“拍我AI”，目前全球用户量已超1亿。

实时交互视频生成的大门已经打开，在爱诗科技的演示中，PixVerse R1就像一个永远在线的世界模拟器。

当技术从“记录过去”转向“生成现在”，我们见证的不仅是工具的升级，更是创造本身边界的消融。