愛詩科技發布實時世界模型 PixVerse R2，支援多模態控制與音畫同步，採雙層架構兼顧生成能力與實時性

據報導，愛詩科技近日上線全新實時世界模型 PixVerse R2，主打多模態控制與持續生成能力。R2 將文字、圖像、聲音、動作統一納入模型，具備邊生成邊響應與音畫同步能力。用戶可透過鍵盤控制方向，或輸入 Prompt 即時改變場景角色與劇情走向，適用於互動影遊與實時數位人等場景。 為解決模型能力與實時運算預算的衝突，R2 採用雙層架構。第一層「Omni Causal AR」負責提升能力上限，將多模態輸入統一進因果自迴歸框架，並透過動態 Chunk、Hybrid Teacher/Diffusion Forcing 與多時間尺度記憶等技術，解決長程生成中的誤差累積與角色漂移問題；第二層「Real-Time Acceleration」則將通用能力蒸餾進實時加速層以維持實時性。 報導指出，相較於 Google DeepMind Genie 2 需犧牲部分畫質換取實時性，R2 試圖透過分離能力與實時性的強化路徑來打破單幀運算預算的限制。愛詩科技曾於今年 1 月發布前代模型 R1。