PixVerse R2 实时可交互视频：WASD 控制的持续世界模型
LearnWithBishal · x · 2026-09-26
PixVerse R2 展示了可交互 AI 视频：用户可用 WASD 键或提示词实时控制画面，不再是逐段生成片段，而是一个持续演化、带持久状态的实时世界模型。其技术架构要点：
- 因果自回归骨干：维持连续演化的世界状态，而非拼接片段；
- 三通道记忆：Sink Memory 保存持久身份与规则、Rolling History 存近期运动与动态、Object KV Cache 压缩对象状态——相当于带持久记忆的视频流；
- 极简训练流程：传统 AI 视频模型串 5+ 训练阶段，R2 只用两步——Omni Causal AR（世界大脑）+ 超少步蒸馏的实时加速，减少模型交接带来的质量损失，实现 90%+ 注意力稀疏度而不掉画质；
- ERROR BANK：存储失败状态并在训练中重放，学会生成中途自我恢复，内部测试显示长时程漂移降低 35.8%，越玩越好。
「多模态」频道最新
- RTX 3060 跑 Qwen Image 2.1:45 秒出图的加速实测配方 — Artefact_Design · 2026-09-26
- 动效设计师自评：Opus 5.5 一条 prompt 就逼近我的手绘动画 — motionbynick · 2026-09-26
- 为 ComfyUI 打造简易视频剪辑节点:局部重绘与一致追踪 — solomars3 · 2026-09-26
- 用 Gemini 3.8 TTS 生成「自言自语哼歌」的松弛音频 — fofrAI · 2026-09-26
- 用 Seedance 2.5 生成火山口坠入异维度末日 POV 视频 — LudovicCreator · 2026-09-26
- MiniMax H3 视频生成翻车:角色参考图总被强行复刻成固定姿势 — Capnreynolds999 · 2026-09-26