Видеомодель, которой управляешь стрелками, пока она ещё генерирует, — и компания признаёт, что выглядит она хуже офлайновых

Китайская компания Aishi Technology, стоящая за PixVerse, объявила о R2 23 августа. Это преемник R1, который в январе стал первой видеомоделью, работавшей как непрерывный поток, с которым можно взаимодействовать, а не как клип, который ждёшь, а потом смотришь. R2 заявляет, что тот же цикл реального времени теперь держится на более длинных отрезках и принимает больше видов ввода одновременно. Архитектурно компания говорит, что свернула прежнюю цепочку этапов обучения в две: омнимодальный каузальный авторегрессионный процесс, расширяющий то, что модель мира способна порождать, и слой ускорения реального времени, который возвращает эти способности к интерактивной скорости. Компонент, названный Dynamic Chunk, подстраивается под темп пользователя — набранные подсказки, голос или прямое управление. Демонстрации необычно конкретны в части предполагаемого применения: перемещение по сгенерированной сцене с помощью WASD и стрелок, ветвление сюжета через ввод текста, разговор с персонажем, отвечающим в реальном времени. Aishi нацеливает это на интерактивные развлечения — игры, интерактивную драму, виртуальный стриминг, — а не на генерацию киношного типа, и прямо пишет в собственной публикации, что качество картинки у R2 всё ещё уступает лучшим офлайновым видеомоделям, особенно на сложных сценах и на длинных отрезках. Ни даты выпуска, ни доступности, ни цены не объявлено.

✓ Проверено · 2 источников

Похожие новости