PixVerse像做夢一樣做世界模型

「一個很有主體性的模型」

過去一年，AI圈的詞語通貨膨脹是不是有點太嚴重了？

動輒「又一個DeepSeek時刻」，動輒「開啟XX時代」，隨便一個產品或功能的推出或更新，都要逼著歷史的車輪滾滾向前。

我只想說時光時光慢些吧不要再讓我變老了

最近害我離退休更近一步的是PixVerse R1。

此產品一出，AI視頻的DeepSeek時刻也到來了，無限流時代也開啟了，網友家人們又震撼激動不已了。

于是我也跟風試了試咱們這個全球首個支持最高1080P分辨率通用實時視頻生成模型。

至于這個實時視頻生成是什么意思，我們后面再詳細講。

輸入邀請碼點進來之后，看到PixVerse R1貼心地給我們準備了幾個世界觀模板。

從龍與地下城到塞爾達，從滑雪潛水到月球行走，文藝b、真假中產、二次元哥姐們以及各類小眾愛好者都能在這里找到自己的一席之地。

哪怕沒找到，也能輸入提示詞定制屬于自己的世界觀。

不僅能選擇畫面比例，還能選擇視角。

我嫌麻煩，直接點進那個叫Tokyo Streets的模板，嘗試在東京街頭嘎油嘎油。

按下開始按鈕，視頻就自動開始生成，一個黑衣紅裙女子在川流不息的十字路口漫步。

而且是一直漫步，同時移步換景，周圍的高樓大廈和路人甲都實時生成出來。

這也是PixVerse R1宣傳的一個重點：無需人工干預，視頻自動無限流生成。

現在因為給大伙免費體驗所以限時5分鐘，技術上可以實現生成到永遠。

一個很有主體性的視頻模型。

然后如果你也有一些，就可以在頁面下方的對話框里輸入提示詞，隨時改變視頻的走向。

于是我在顱內模擬了一個，該女子假意嘎油（咸魚注：東北話溜達）在日本街頭，實則是準備對安倍晉三進行正義執行，最后被哥斯拉從法院救走的故事。

用PixVerse R1做了一下，生成出了下面這個作品。

和目前市面上流行的Sora 2、Veo 3不一樣，PixVerse R1確實能做到近乎實時生成。

在輸入提示詞的5秒之內，畫面就能隨即改變。

而且不是硬切，畫面是連續的。

但該說不說，問題很多。

比如這個畫面雖然連續，但變化并不絲滑，甚至我覺得都不如疊化轉場。

在短片中有一個情節，是我讓這個女主角打車前往法院，并進入法院內部。

結果這個出租車直接幻影坦克顯形了，法院建筑也平地起高樓了。

之前我怎么不知道日本基建這么速度？

再比如，人一多就亂套。

當我給女主角委派了山上徹也支線任務，整個畫面就完全崩潰了。

我輸入兩段提示詞：

「安倍晉三從天而降，擋住了女子的去路；女的掏出一把機關槍，掃射安倍晉三。」

生成的這玩意有人能看懂不。

男的一出現，女的就掉線，但最后男的直接變身女的了，這里面引戰成分太多我沒法思考了。

但總的來講，這已經不是人物一致性能不能保證的問題了，這連人物是不是一個性都沒法保證了。

再再比如我最不懂得一點，就是這個女主角永遠在走路，永遠Citywalk永遠熱淚盈眶

不管是遭受了邪惡公審：

還是偶遇了路上猛然出現的哥斯拉：

乃至于被核廢水給襲擊了之后：

姐們都是假裝一切都未曾發生，把走路作為方法。

且和出現的一切都不發生任何關系，保持清冷感。

哪怕我明確發布指令，跪下來求女主角停下來，她也是師承是枝裕和，步履不停，永遠在路上。

好似迷失東京了一般。

就這讓我陷入深思：如果你的實時生成，就是把一個元素像貼圖一樣扔進來，和角色也不產生交互，也沒推進任何劇情，這對視頻到底有什么意義？

因為我看到很多博主說，這個PixVerse R1能無限流探索，能玩跑團，我誠心發問，你們是咋用它跑團的？

主角就一直走，看到NPC也不說話，遇到伙伴也不接收，學了技能也不用，最后見到boss也不打，boss也不打他，就一直走。比走線的都愛走。

家人們這不是跑團，這是暴走團。

至于什么人物走形、字體亂碼，我覺得這都是產品初期的小問題，日后肯定是會不斷優化。

但上面這三點是真讓我用起來很難受的。

這時候有人要說了，你用評判傳統AI視頻的方式來對PixVerse R1指指點點，是揚短避長，是不講武德搞偷襲。

因為呢，咱PixVerse R1可不是簡單的AI視頻模型，人家是世 · 界 · 模 · 型。

啥叫世界模型？說實話我之前沒有仔細研究過，搜了一下發現這詞處于話語權爭奪階段，各個山頭都有自己的說法和產品。

像李飛飛的Marble和Google做的Genie 3，是生成那種可拓展可操縱的3D世界。

英偉達的世界模型屬于toSi項目，生成視頻給機器人看，用來訓練自動駕駛汽車啥啥的。

PixVerse R1呢，則更像是Odyssey-2的路數，就是先限定一個主題，然后生成無限的連續的的視頻，中途還能輸入提示詞隨時修改。

Odyssey-2的界面

我也用了下Odyssey-2，發現它的問題是，隨著視頻生成，角度越來越仰，人物越來越大，畫面也越來越瘋狂，就跟做夢一樣。

他們自己估計也知道，所以在官網親自找補說，咱們這產品就是用來模擬你的實時夢境的。

用戶直接一拳打在棉花上。你這都是夢了我還有啥說的，同一個世界模型同一個夢想唄。

但Odyssey-2這種越往后視頻越沒法看的問題，是此類實時互動視頻產品的通病。

就是隨著視頻的不斷生成，本來不起眼的小問題和預測會不斷累積，導致視頻越長越走形。

PixVerse R1的畫質比Odyssey-2好了不少，但在這個問題上沒什么改進。

我打開一個叫Moonwalk的模板，試圖在里面擊碎美國登月的謊言。

一開始畫面還挺流暢自然。

到了三四分鐘的時候，背景的星空直接像素化了，疑似地球流浪了黑客帝國情景再現了。

越往后越沒法看這事，PixVerse官網的報告里倒是也承認了。

PixVerse R1或許是為了把這方面的影響減到最低，對自己使用了大記憶清除術。

具體而言，畫面里這個主角，無論你是讓他跑還是跳，讓他換衣服還是摘眼鏡，是變性還是變形，5秒之內都會回到原樣。

且無論當我嘗試在畫面中增加任何人物動物地形建筑之后，它確實會生成，但5秒之內也會全部消失。

然后回到原點，開始漫無目的地行走，等待下一個指令。

咋說呢，之前上面不是提到了好幾個流派的世界模型，它們雖然產物不同，但核心點是統一的，就是要既能實時交互，又保持邏輯上的持續性。

或者至少得朝這個方向努力，不然咋能稱之為一個世界。

PixVerse R1在實時交互這方面，確實是做的不錯的。

但在持續性這方面，它直接通過強行回到起點這個行為，把需要解決的麻煩繞過去了。

對吧，咱不是沒給你生成這個那個的，也不是對后面沒影響，只是它自己消失不見了，咱也不知道咋回事，但咱這個模型是持續的無限流的一直生成到世界末日的。

這叫耍賴，兄弟。

你這不就是硬把自己往世界模型這個概念上湊，想通過跟網友之間的信息差彎道超車曲線救國嗎？

看現在這個全網盛贊的狀態，這招還可以。

最后還是中肯地說一下，PixVerse R1有自己的優點。

比如它確實好玩。用別的視頻模型的時候總有一種要生成個什么杰作的上班心態，用PixVerse R1就是純生成，發狠了忘情了不管結果了，就純逗自己玩，挺有樂子的。

而且如果它非得說自己是世界模型，那它還是個少有的咱老百姓能上手用的世界模型，這真世界大同了。

但是在視頻生成能力還處于從夯到拉排行榜的NPC這個階段的時候，就開始搗鼓世界模型，是不是有點沒學會走就開始急著跑，沒好好跑就開始炒了呢？

（本文封面由ChatGPT 生成，純人工寫作）