Un modelo de vídeo que se dirige con las flechas del teclado mientras aún se está generando, y la empresa admite que se ve peor que los de generación diferida

Aishi Technology, la empresa china que está detrás de PixVerse, anunció R2 el 23 de agosto. Es el sucesor de R1, que en enero fue el primer modelo de vídeo que funcionaba como un flujo continuo con el que se podía interactuar, en lugar de un clip que se esperaba y luego se miraba. R2 sostiene que ese mismo bucle en tiempo real ahora se sostiene durante tramos más largos y admite más tipos de entrada a la vez. En lo arquitectónico, la compañía dice haber comprimido lo que antes era una cadena de etapas de entrenamiento en dos: un proceso autorregresivo causal omnimodal que amplía lo que el modelo del mundo puede generar, y una capa de aceleración en tiempo real que devuelve esas capacidades a velocidad interactiva. Un componente al que llama Dynamic Chunk se adapta al ritmo con que el usuario empuja: indicaciones escritas, voz o controles directos. Las demostraciones son inusualmente concretas sobre el uso previsto: moverse por una escena generada con WASD y las flechas, ramificar una historia escribiéndole, mantener una conversación con un personaje que responde en tiempo real. Aishi apunta al entretenimiento interactivo —videojuegos, ficción interactiva, emisión virtual— más que a la generación de estilo cinematográfico, y dice sin rodeos en su propia publicación que la calidad de imagen de R2 todavía queda por detrás de los mejores modelos de vídeo diferido, sobre todo en escenas complejas y en duraciones largas. No se ha anunciado fecha de lanzamiento, disponibilidad ni precio.

✓ Verificado · 2 fuentes

Noticias relacionadas