試玩PixVerse R1五分鐘，我意識到AI視頻不對勁了

大家好，我是冷逸，你們的測評手替又上線了。

今天，我想和大家聊一款昨晚剛剛發布的Real-time World Model——PixVerse R1。

我深度體驗了一番，這個模型還真的有點不太一樣。

它不是一款“生成得更快”的視頻模型（盡管速度上PixVerse早已沒有對手），而是從根本上改變了視頻的生成方式和交互邏輯。

給大家看個case，你就明白了。

初始畫面：一個人在冰雪世界中行走。

你可以馬上命令，讓她跑得更快點。

也可以讓畫面中出現龍卷風（別問為什么雪山上能見到龍卷風，就沒有AI辦不到的事情）。

整個過程非常絲滑、連貫。你的Prompt會立刻作用于畫面本身，實時改變視頻狀態，生成一個持續演化的視覺世界。

完整演示錄屏我放在這里了，一幀未剪。

這和以往的AI視頻生成模式完全不同：

以往的AI視頻：輸入Prompt → 等待生成 → 得到一個固定的視頻文件。

而PixVerse R1讓視頻不再是一次性生成的“結果”，而是一個可實時干預、持續演化的視覺世界。

一手體驗

昨晚模型上線后，我深度玩了玩，給大家說下我的使用體驗。

體驗地址是realtime.pixverse.ai，首次打開你會看到這樣的提示：

Visualize Your World in Real-time,Powered by PixVerse R1. 通過PixVerse R1，實時生成你的世界。

點擊「Start」，進入創作頁面，可以自建主題或選擇推薦主題。

我們選擇一個「War Thunder」主題。

隨后進入創作界面。

這時候你會發現，它和所有傳統AI視頻工具的界面都不一樣：

• 中央畫面區域始終在實時生成、流式播放

• 右上角是倒計時

• 下方是你的Prompt輸入區（支持語音）

你輸入的每一句指令，都會立刻作用在當前世界上。

我錄制了一段操作過程，大家可以直觀感受下。

這種體驗非常新鮮。

它不像傳統AI視頻：發一句Prompt，等一會兒，拿到一個鏡頭；

也不像3D模型：先生成一個靜態世界，再讓你進入；

更不像游戲：把一個“提前造好的世界”裝進盒子里讓你游玩。

PixVerse-R1是在“邊想，邊造世界”。

世界不是預制的，而是現炒的。一手，鮮活，且充滿無限可能。

所以說實話，我剛開始體驗PixVerse R1，也沒法立刻給它下一個準確的定義。但有一點我很確定，它不是現有任何一種媒體形態的簡單延伸。

它更像是一個全新的物種。

一個可能會引領未來AI生成世界的全新媒介。

特別值得一提的是，它也支持語音輸入。

大家都知道，鍵盤打字的速度，很難跟上實時生成的視頻世界。一旦世界開始“跑起來”，語音輸入的優勢就非常明顯。

你可以用PixVerse內置的語音工具，也可以用第三方語音輸入。我同樣錄了一個演示視頻。

目前這一版PixVerse R1，單次創作最長支持5分鐘。

但我覺得，這一定不是它的終點。

未來或許會實現無限時長，屆時限制它的只能是我們的想象力。

當然，如果單純看畫面質量，比如清晰度、物理細節、鏡頭精度等，它還不及PixVerse原始模型的效果，不像大家熟悉的AI視頻的質感。

但PixVerse R1開啟的，是一種全新的交互范式：

Real-time、Playable Reality

在這里，用戶不再只是使用者，而更像是一個共創者，甚至是世界的一部分。

你不是在“生成視頻”，而是在和一個平行世界持續對話。

它不是AI視頻，不是游戲，不是直播，也不是虛擬世界，而是一種可以被“玩”的視頻現實（Playable Reality）。

從這角度看，我感覺：PixVerse R1給整個行業扔下了一枚不太容易被立刻理解的炸彈。

這也是為什么，這個Real-time World Model會被命名為PixVerse R1。

技術拆解

在模型發布的同時，PixVerse也公開了他們的技術論文：

《PixVerse-R1: Next-Generation Real-Time World Model》。

核心目標只有一個：把視頻生成，從“離線片段”，變成“連續、可交互、實時響應的視覺流”。

怎么做到的呢？簡單來說由三部分構成：

Omni基座模型 + 無限流式生成架構 + 實時生成引擎

首先是Omni基座模型。

這是一個端到端的原生多模態模型，把文本、圖像、視頻、音頻統一成連續的token流。

在訓練階段，它學習了大量真實世界的視頻數據，因此具備生成復雜、長時間一致場景的能力——也就是我們直觀感受到的“世界感”。

初始畫面：一位士兵趴在雪地里，用望遠鏡觀察前方。

一只烏鴉飛過。（綠色部分為提示詞）

巡邏隊發現了士兵。他開始拼命逃跑。

他跌倒在坦克旁邊。

飛機對坦克實施轟炸。

整個鏡頭銜接非常自然，且遵循物理規律。完整的demo，我放在這里了。

第二個關鍵點，是生成機制。

PixVerse R1采用的是自回歸生成，而非傳統擴散模型那種“先算完整片段”的方式。

這意味著，它可以持續生成、無限延展視覺流，而不是只能吐出一個固定長度的視頻。

最后，也是PixVerse的傳統強項——速度。

在PixVerse R1中，他們重新設計了實時生成引擎，把傳統視頻生成中動輒幾十步的采樣過程，壓縮到了1–4步。

所以，我們能看到近乎實時響應的畫面變化。

整個體驗下來，我的感覺是：PixVerse R1讓實時、長時序的AI生成世界第一次變得可行。

這不僅是視頻媒介的一次演進，更是一次從「生成內容」走向「生成世界」的躍遷。

它的意義在于，把「世界模型」從離線想象，推進到了實時生成、即時響應、長時一致的階段。

每一次用戶輸入，不只是剪輯點，而是一次對世界狀態的干預；每一幀畫面，也不只是結果，而是下一步推理的上下文。

一旦這樣的世界可以被反復運行、被規模化調用、被Agent接管，游戲、仿真、訓練、創作，甚至現實決策的預演，都會在同一條技術線上融合。

所以，這并不是“視頻生成更快了”。

而是：AI，第一次開始擁有一個可以長期存在的世界。