Ein Videomodell, das man mit den Pfeiltasten lenkt, während es noch generiert – und die Firma räumt ein, dass es schlechter aussieht als die Offline-Modelle

Aishi Technology, das chinesische Unternehmen hinter PixVerse, hat am 23. August R2 angekündigt. Es ist der Nachfolger von R1, das im Januar das erste Videomodell war, das als fortlaufender Strom lief, mit dem man interagieren konnte, statt als Clip, auf den man wartete und den man dann ansah. R2 beansprucht, dass dieselbe Echtzeitschleife nun über längere Strecken zusammenhält und mehr Eingabearten gleichzeitig annimmt. Architektonisch habe man, so die Firma, die frühere Kette von Trainingsstufen auf zwei zusammengefaltet: einen omnimodalen kausal-autoregressiven Prozess, der erweitert, was das Weltmodell erzeugen kann, und eine Echtzeit-Beschleunigungsschicht, die diese Fähigkeiten wieder auf interaktive Geschwindigkeit presst. Eine Komponente namens Dynamic Chunk passt sich daran an, wie schnell die Nutzerin vorantreibt – getippte Eingaben, Sprache oder direkte Steuerung. Die Vorführungen sind ungewöhnlich konkret über den beabsichtigten Zweck: sich mit WASD und den Pfeiltasten durch eine generierte Szene bewegen, eine Geschichte durch Tippen verzweigen, ein Gespräch mit einer Figur führen, die in Echtzeit antwortet. Aishi zielt damit auf interaktive Unterhaltung – Spiele, interaktives Drama, virtuelles Streaming – und nicht auf filmartige Erzeugung, und schreibt im eigenen Beitrag unumwunden, dass die Bildqualität von R2 den besten Offline-Videomodellen weiterhin nachsteht, besonders bei komplexen Szenen und über lange Dauer. Weder Erscheinungstermin noch Verfügbarkeit oder Preis wurden angekündigt.

✓ Verifiziert · 2 Quellen

Verwandte Meldungen