6.0
深览指数
产品微博·量子位··AI 生成
我和「二次元老公」约上会了！全球首个可以玩的实时交互模型
Xmax AI 发布了全球首个可在消费级显卡和手机上本地运行的实时交互视频模型 X2.0。本文通过实测展示了其核心能力：实时渲染（换装/换背景）、次元交互（与虚拟角色在现实场景中互动）、触屏交互（拖拽激活静态物体）。作者强调该模型突破了传统视频生成的「渲染延迟」瓶颈，采用逐帧自回归流式架构，实现了毫秒级响应。文章重点不在技术细节，而在论证 X2.0 作为「可交互视频基础设施」的产业想象力——其开放的 API 有望重构电商、虚拟陪伴、IP 内容、直播等行业的交互范式。这是一篇典型的科技产品发布实测与产业展望文。原文 ↗
核心观点
- ▍Xmax AI 发布的 X2.0 是全球首个可在本地实时交互的视频模型，它打破了「看」与「碰」的界限，使视频成为一种可交互的资产，并有望成为重塑视频交互范式的底层基础设施。
- ▍实时交互视频的商业化落点不在于炫技，而在于通过 API 开放能力，成为电商（虚拟试穿）、IP 内容（存量角色复活）、直播（千人千面互动）等众多行业的「基础设施」。
- 01X2.0 实现了在单张消费级显卡上以 960 分辨率@24fps 运行，并在 iPhone 上以 384 分辨率@16fps 本地运行。
- 02技术突破在于「逐帧自回归生成架构」，使模型实现毫秒级响应；通过多阶段蒸馏、上下文持久化、FP8量化等手段破解速度/成本/质量的「不可能三角」。
- 03X2.0 支持文字、屏幕触控、空间交互（如手势、指向）等多种交互模式，被称为「统一交互架构」。
- 04模型可以实时替换摄像头画面中的角色、服装与背景；能利用现实物体作为锚点控制虚拟角色的运动路径；能将静态照片「唤醒」为动态。
- 05文章指出，2000年至2024年好莱坞原创电影占比从41%暴跌至19%，强调「存量IP复活」是AI交互技术的重要价值点。
- 06X2.0 的价格仅为海外同类模型头部产品 Decart 的十分之一。
反方 / 局限
- — 文章承认当前模式仍处于「GPT-3 时刻」前夕，这意味着其技术成熟度、生态完整性和杀手级应用尚未出现，产业落地仍面临不确定性。
- — 虽然强调「通用」交互模型，但全文对产品实际交互体验的瓶颈（如复杂光照下的鲁棒性、多角色/大场景的稳定性）未展开讨论。
10 分钟 · 5 卡片 · 14 资料
读原文 →