PixVerse像做梦一样做世界模型

「一个很有主体性的模型」

过去一年，AI圈的词语通货膨胀是不是有点太严重了？

动辄「又一个DeepSeek时刻」，动辄「开启XX时代」，随便一个产品或功能的推出或更新，都要逼着历史的车轮滚滚向前。

我只想说时光时光慢些吧不要再让我变老了🎶

最近害我离退休更近一步的是PixVerse R1。

此产品一出，AI视频的DeepSeek时刻也到来了，无限流时代也开启了，网友家人们又震撼激动不已了。

于是我也跟风试了试咱们这个全球首个支持最高1080P分辨率通用实时视频生成模型。

至于这个实时视频生成是什么意思，我们后面再详细讲。

输入邀请码点进来之后，看到PixVerse R1贴心地给我们准备了几个世界观模板。

从龙与地下城到塞尔达，从滑雪潜水到月球行走，文艺b、真假中产、二次元哥姐们以及各类小众爱好者都能在这里找到自己的一席之地。

哪怕没找到，也能输入提示词定制属于自己的世界观。

不仅能选择画面比例，还能选择视角。

我嫌麻烦，直接点进那个叫Tokyo Streets的模板，尝试在东京街头嘎油嘎油。

按下开始按钮，视频就自动开始生成，一个黑衣红裙女子在川流不息的十字路口漫步。

而且是一直漫步，同时移步换景，周围的高楼大厦和路人甲都实时生成出来。

这也是PixVerse R1宣传的一个重点：无需人工干预，视频自动无限流生成。

现在因为给大伙免费体验所以限时5分钟，技术上可以实现生成到永远。

一个很有主体性的视频模型。

然后如果你也有一些主体思想，就可以在页面下方的对话框里输入提示词，随时改变视频的走向。

于是我在颅内模拟了一个，该女子假意嘎油（咸鱼注：东北话溜达）在日本街头，实则是准备对安倍晋三进行正义执行，最后被哥斯拉从法院救走的故事。

用PixVerse R1做了一下，生成出了下面这个作品。

和目前市面上流行的Sora 2、Veo 3不一样，PixVerse R1确实能做到近乎实时生成。

在输入提示词的5秒之内，画面就能随即改变。

而且不是硬切，画面是连续的。

但该说不说，问题很多。

比如这个画面虽然连续，但变化并不丝滑，甚至我觉得都不如叠化转场。

在短片中有一个情节，是我让这个女主角打车前往法院，并进入法院内部。

结果这个出租车直接幻影坦克显形了，法院建筑也平地起高楼了。

之前我怎么不知道日本基建这么速度？

再比如，人一多就乱套。

当我给女主角委派了山上彻也支线任务，整个画面就完全崩溃了。

我输入两段提示词：

「安倍晋三从天而降，挡住了女子的去路；女的掏出一把机关枪，扫射安倍晋三。」

生成的这玩意有人能看懂不。

男的一出现，女的就掉线，但最后男的直接变身女的了，这里面引战成分太多我没法思考了。

但总的来讲，这已经不是人物一致性能不能保证的问题了，这连人物是不是一个性都没法保证了。

再再比如我最不懂得一点，就是这个女主角永远在走路，永远Citywalk永远热泪盈眶😭

不管是遭受了邪恶公审：

还是偶遇了路上猛然出现的哥斯拉：

乃至于被核废水给袭击了之后：

姐们都是假装一切都未曾发生，把走路作为方法。

且和出现的一切都不发生任何关系，保持清冷感。

哪怕我明确发布指令，跪下来求女主角停下来，她也是师承是枝裕和，步履不停，永远在路上。

好似迷失东京了一般。

就这让我陷入深思：如果你的实时生成，就是把一个元素像贴图一样扔进来，和角色也不产生交互，也没推进任何剧情，这对视频到底有什么意义？

因为我看到很多博主说，这个PixVerse R1能无限流探索，能玩跑团，我诚心发问，你们是咋用它跑团的？

主角就一直走，看到NPC也不说话，遇到伙伴也不接收，学了技能也不用，最后见到boss也不打，boss也不打他，就一直走。比走线的都爱走。

家人们这不是跑团，这是暴走团。

至于什么人物走形、字体乱码，我觉得这都是产品初期的小问题，日后肯定是会不断优化。

但上面这三点是真让我用起来很难受的。

这时候有人要说了，你用评判传统AI视频的方式来对PixVerse R1指指点点，是扬短避长，是不讲武德搞偷袭。

因为呢，咱PixVerse R1可不是简单的AI视频模型，人家是世 · 界 · 模 · 型。

啥叫世界模型？说实话我之前没有仔细研究过，搜了一下发现这词处于话语权争夺阶段，各个山头都有自己的说法和产品。

像李飞飞的Marble和Google做的Genie 3，是生成那种可拓展可操纵的3D世界。

英伟达的世界模型属于toSi项目，生成视频给机器人看，用来训练自动驾驶汽车啥啥的。

PixVerse R1呢，则更像是Odyssey-2的路数，就是先限定一个主题，然后生成无限的连续的的视频，中途还能输入提示词随时修改。

Odyssey-2的界面

我也用了下Odyssey-2，发现它的问题是，随着视频生成，角度越来越仰，人物越来越大，画面也越来越疯狂，就跟做梦一样。

他们自己估计也知道，所以在官网亲自找补说，咱们这产品就是用来模拟你的实时梦境的。

用户直接一拳打在棉花上。你这都是梦了我还有啥说的，同一个世界模型同一个梦想呗。

但Odyssey-2这种越往后视频越没法看的问题，是此类实时互动视频产品的通病。

就是随着视频的不断生成，本来不起眼的小问题和预测会不断累积，导致视频越长越走形。

PixVerse R1的画质比Odyssey-2好了不少，但在这个问题上没什么改进。

我打开一个叫Moonwalk的模板，试图在里面击碎美国登月的谎言。

一开始画面还挺流畅自然。

到了三四分钟的时候，背景的星空直接像素化了，疑似地球流浪了黑客帝国情景再现了。

越往后越没法看这事，PixVerse官网的报告里倒是也承认了。

PixVerse R1或许是为了把这方面的影响减到最低，对自己使用了大记忆清除术。

具体而言，画面里这个主角，无论你是让他跑还是跳，让他换衣服还是摘眼镜，是变性还是变形，5秒之内都会回到原样。

且无论当我尝试在画面中增加任何人物动物地形建筑之后，它确实会生成，但5秒之内也会全部消失。

然后回到原点，开始漫无目的地行走，等待下一个指令。

咋说呢，之前上面不是提到了好几个流派的世界模型，它们虽然产物不同，但核心点是统一的，就是要既能实时交互，又保持逻辑上的持续性。

或者至少得朝这个方向努力，不然咋能称之为一个世界。

PixVerse R1在实时交互这方面，确实是做的不错的。

但在持续性这方面，它直接通过强行回到起点这个行为，把需要解决的麻烦绕过去了。

对吧，咱不是没给你生成这个那个的，也不是对后面没影响，只是它自己消失不见了，咱也不知道咋回事，但咱这个模型是持续的无限流的一直生成到世界末日的。

这叫耍赖，兄弟。

你这不就是硬把自己往世界模型这个概念上凑，想通过跟网友之间的信息差弯道超车曲线救国吗？

看现在这个全网盛赞的状态，这招还可以。

最后还是中肯地说一下，PixVerse R1有自己的优点。

比如它确实好玩。用别的视频模型的时候总有一种要生成个什么杰作的上班心态，用PixVerse R1就是纯生成，发狠了忘情了不管结果了，就纯逗自己玩，挺有乐子的。

而且如果它非得说自己是世界模型，那它还是个少有的咱老百姓能上手用的世界模型，这真世界大同了。

但是在视频生成能力还处于从夯到拉排行榜的NPC这个阶段的时候，就开始捣鼓世界模型，是不是有点没学会走就开始急着跑，没好好跑就开始炒了呢？

（本文封面由ChatGPT 生成，纯人工写作）

文章来自于“葬AI”，作者 “罗子马”。