本報(bào)訊 （記者陳紅）據(jù)Xmax AI官方消息，Xmax AI近日正式發(fā)布全球首個(gè)虛實(shí)融合的實(shí)時(shí)交互視頻生成模型——X1。該模型實(shí)現(xiàn)毫秒級(jí)實(shí)時(shí)視頻生成和低門檻的手勢(shì)交互，可將虛擬內(nèi)容實(shí)時(shí)、無縫地融入現(xiàn)實(shí)物理空間，打破了AI視頻生成“預(yù)制內(nèi)容”的傳統(tǒng)范式。目前，Xmax AI已通過技術(shù)演示應(yīng)用X-cam beta開放了X1模型的能力體驗(yàn)，用戶可通過TestFlight下載。

    當(dāng)前，全球AI視頻生成領(lǐng)域發(fā)展勢(shì)頭迅猛，行業(yè)企業(yè)紛紛在畫質(zhì)、時(shí)長和分辨率上展開技術(shù)角逐，相關(guān)技術(shù)主要服務(wù)于影視、廣告等專業(yè)領(lǐng)域的生產(chǎn)力需求。但現(xiàn)有技術(shù)路線多聚焦于“文生視頻”的單向輸出，對(duì)于普通用戶而言，復(fù)雜的操作流程、漫長的生成等待時(shí)間以及內(nèi)容缺乏互動(dòng)性，使得AI視頻生成難以真正融入日常生活。

    針對(duì)這一行業(yè)痛點(diǎn)，Xmax AI選擇“虛實(shí)融合+實(shí)時(shí)交互”的技術(shù)路線，X1模型無需復(fù)雜的提示詞，也無需漫長的云端渲染等待，僅憑手機(jī)攝像頭和直覺化手勢(shì)，即可實(shí)現(xiàn)虛擬與現(xiàn)實(shí)的無縫融合，推動(dòng)AI視頻從“被動(dòng)的消費(fèi)內(nèi)容”向“共創(chuàng)體驗(yàn)”躍遷，讓AI視頻實(shí)現(xiàn)“人人可玩”。

    基于X1模型的實(shí)時(shí)生成能力，Xmax AI落地了四大核心玩法，覆蓋多元交互場景。一是次元互動(dòng)，上傳任意角色圖，通過手機(jī)攝像頭對(duì)準(zhǔn)現(xiàn)實(shí)平面，即可將角色實(shí)時(shí)置入現(xiàn)實(shí)場景，虛擬角色能對(duì)觸摸、捏握等手勢(shì)做出精準(zhǔn)的動(dòng)態(tài)與物理反饋；二是世界濾鏡，上傳指定風(fēng)格圖片后，攝像頭捕捉的現(xiàn)實(shí)畫面可實(shí)現(xiàn)實(shí)時(shí)全域風(fēng)格化轉(zhuǎn)化，動(dòng)作同步保持風(fēng)格一致性與連貫性；三是觸控動(dòng)圖，上傳靜態(tài)照片后，通過觸摸屏拖拽照片中的元素，可喚醒并操控角色做出相應(yīng)動(dòng)作；四是表情捕手，鏡頭對(duì)準(zhǔn)人物后選擇指定表情Emoji，AI可實(shí)時(shí)生成神態(tài)精準(zhǔn)的動(dòng)態(tài)表情包。

    X1模型的技術(shù)實(shí)現(xiàn)，源于團(tuán)隊(duì)在算法與工程層面的核心突破。為實(shí)現(xiàn)極速響應(yīng)與精準(zhǔn)意圖理解，Xmax AI團(tuán)隊(duì)創(chuàng)新端到端流式重渲染架構(gòu)，實(shí)現(xiàn)幀級(jí)自回歸DiT模型，通過多階段蒸餾壓縮與對(duì)抗訓(xùn)練，將擴(kuò)散采樣速度大幅提升；同時(shí)構(gòu)建統(tǒng)一交互模型架構(gòu)，融合空間三維關(guān)系與屏幕二維操作，讓模型能精準(zhǔn)解析“捏”“拖拽”等復(fù)雜用戶意圖。針對(duì)虛實(shí)融合數(shù)據(jù)稀缺的行業(yè)困境，團(tuán)隊(duì)還搭建了半自動(dòng)化合成管線，筑牢技術(shù)壁壘的同時(shí)，也為AI視頻生成領(lǐng)域儲(chǔ)備了數(shù)字資產(chǎn)。

    硬核技術(shù)的突破，依托專業(yè)的研發(fā)團(tuán)隊(duì)。據(jù)悉，Xmax AI團(tuán)隊(duì)匯聚了來自華為“天才少年”計(jì)劃、清華大學(xué)KEG與HCI實(shí)驗(yàn)室、香港科技大學(xué)（廣州），以及字節(jié)跳動(dòng)、快手等高校和頭部企業(yè)的頂尖人才，兼具算法研發(fā)與工程落地能力。

    Xmax AI方面表示，X1模型和X-cam應(yīng)用只是企業(yè)布局的開端，團(tuán)隊(duì)正致力于定義全新的內(nèi)容交互范式，搭建下一代內(nèi)容交互引擎。X1模型的推出，讓AI視頻從單純的內(nèi)容生成走向虛實(shí)融合的實(shí)時(shí)交互，為行業(yè)發(fā)展提供了全新的技術(shù)方向。

（編輯 李波）