Un modèle vidéo que l'on dirige aux touches fléchées pendant qu'il génère encore — et l'entreprise admet qu'il rend moins bien que les modèles hors ligne

Aishi Technology, l'entreprise chinoise derrière PixVerse, a annoncé R2 le 23 août. C'est le successeur de R1, qui fut en janvier le premier modèle vidéo à fonctionner comme un flux continu avec lequel on pouvait interagir, plutôt que comme un clip qu'on attendait avant de le regarder. R2 affirme que cette même boucle en temps réel tient désormais sur de plus longues durées et accepte davantage de types d'entrée à la fois. Sur le plan de l'architecture, l'entreprise dit avoir ramené à deux ce qui était auparavant une chaîne d'étapes d'entraînement : un processus autorégressif causal omnimodal qui étend ce que le modèle du monde peut générer, et une couche d'accélération en temps réel qui ramène ces capacités à une vitesse interactive. Un composant qu'elle appelle Dynamic Chunk s'adapte au rythme auquel l'utilisateur pousse : invites tapées, voix ou commandes directes. Les démonstrations sont inhabituellement concrètes sur l'usage visé : se déplacer dans une scène générée avec WASD et les flèches, faire bifurquer une histoire en lui écrivant, tenir une conversation avec un personnage qui répond en temps réel. Aishi vise le divertissement interactif — jeux, fiction interactive, diffusion virtuelle — plutôt que la génération de type cinéma, et déclare sans détour dans sa propre publication que la qualité d'image de R2 reste en retrait des meilleurs modèles vidéo hors ligne, en particulier sur les scènes complexes et sur la durée. Aucune date de sortie, disponibilité ni tarification n'a été annoncée.

✓ Vérifié · 2 sources

Actus liées