AI视频生成新突破Seedance2 0已能创造虚拟世界

我们熟悉的AI模型，有写文章的大语言模型，有画图的生图模型，还有做视频、处理音频的各类模型。

经过这几年的飞速发展，这些技术已经非常强大，感觉距离某个技术奇点越来越近了。

特别是临近春节，字节跳动发布的Seedance 2.0，直接把视频生成的质量拉到了一个新高度，不少朋友已经开始用它制作短剧和特效了。

而最近，模型领域又出现了一个新事物：世界模型。它虽然也属于视频模型的范畴，但与我们熟知的视频生成模型有着本质的区别。

甚至可以说，从它身上能看到《头号玩家》的雏形，这无疑带来了巨大的想象空间。

不妨畅想一下，我们这代人老了之后，大概率不会满足于跳广场舞吧？最理想的退休状态，或许是戴上VR设备，进入一个真实版的《头号玩家》世界，去体验上百种不同的人生，甚至成为那个世界的掌控者，随心所欲地影响周遭的一切。

光是想想，就足够梦幻。

先来看一段视频（展示了人与视频交互导致的场景、四季变化）。

看完这段演示，或许就能理解，为什么说世界模型有点像《头号玩家》的早期形态了。

实时互动的“活”世界

这正是PixVerse最新发布的R1实时世界模型所展现的交互效果。它看起来就像一个实时渲染的游戏引擎，但背后不需要复杂的建模和编程，只需要你的一句话。

那么，到底什么是世界模型？它和普通的视频生成模型又有什么不同？

很多朋友可能会疑惑：这不也是生成视频吗？有什么特别的？

为了便于理解，可以打个比方。

传统的视频生成模型，就像是在看一场事先录好的电影。你输入一段文字描述，AI生成一段固定的视频，你只能观看，无法改变。如果想调整剧情，比如让主角向左转而不是向右，唯一的办法就是重新生成一段全新的视频，之前的成果就作废了。

而世界模型，则像是在玩一个开放世界的游戏（比如《我的世界》或《GTA5》）。画面是实时演算的，剧情是连续发展的。你输入指令“向左走”，主角就真的向左移动；你接着说“下雨”，天空就真的阴云密布，雨滴落下。

它是“活”的。

在这个模型构建的世界里，视频不再是一段封闭的素材，而是一个可以无限延展、实时互动的动态流。你既是导演，也是玩家，可以随时介入，改变世界的走向。

从工具到生态的进化

PixVerse这个名字在视频生成领域口碑一直不错。今年1月13日，他们突然发布了一款名为R1的模型。而最近，不到一个月的时间，R1又进行了一次重大版本升级。

这次升级，直接让它从一个单纯的工具，进化成了一个潜在的生态平台。

当然，R1最令人兴奋的地方，在于它带来的那种即时反馈、未知感和掌控感，会让人忍不住想继续探索下去。这不禁让人联想到《千与千寻》里的神隐世界，或是《爱丽丝梦游仙境》里的兔子洞。

不知道大家是否有过这样的经历：有时在梦中，会突然意识到自己正在做梦，并试图控制梦境，但又像一个旁观者，难以真正操控，随后挣扎片刻，便慢慢醒来。

R1世界模型，就像一个可以被控制的梦。你既是旁观者，又是深度参与者。

下面是一些近期体验R1的录屏片段，有时候真的会玩到忘记时间，这是一种非常新奇的体验。

奇幻按钮探险

尝试构建了一个更开放的游戏场景：奇幻按钮探险。设定很简单：画面中央有一个红色的按钮。每当在输入框里输入新的指令，屏幕里的世界就会发生翻天覆地的变化。

输入：“按钮变成机械蜘蛛”。一只充满赛博朋克风格的蜘蛛便缓缓爬行过来。

输入：“按钮变成通往雨林世界的传送门”。转眼间，就来到了一个生机勃勃的热带雨林。

这就像一个开放世界游戏，下一秒会遇到什么，完全由你的指令决定。这种身临其境的体验感，是传统视频生成无法提供的。

洞xue探险

还尝试了一个更宏大的场景：洞xue探险。

输入：“发现一株蓝色的花”。画面中真的出现了一株散发着幽光的蓝色花朵。

接着输入：“继续走，发现了钻石”。视角自动向前推进，洞xue的岩壁上赫然亮起了钻石的光芒。

这简直就是在玩一个文字冒险游戏的3D沉浸式升级版！

而且，你构建的世界还能发布到平台的“世界广场”，其他人也可以进入你创造的世界自由探索和互动。

例如，可以进入其他用户构建的“吵醒毛毛虫”游戏。这是一个非常有趣的互动场景：画面里原本有一只正在睡觉的毛毛虫。通过输入指令，可以让蚂蚁、松鼠等角色出现在画面中，并改变毛毛虫的状态。

超越娱乐的严肃应用

除了好玩，世界模型其实拥有众多严肃的应用场景。

比如在游戏开发领域：以往策划想验证一个玩法创意，需要美术人员建模、程序员编写代码，前后可能折腾半个月。现在利用R1，很快就能搭建出一个可交互的玩法原型，高效验证想法是否可行。

比如在建筑设计领域：建筑师可以模拟不同天气、不同光照条件下建筑的空间效果，甚至可以让客户在房屋尚未建成时，就进行“云看房”，获得沉浸式的体验。

再比如影视特效预演、互动教育场景等等，潜力巨大。

据推测，要不了多久R1就会支持音频的同步生成。这意味着你在“看”这个世界的同时，也能“听”到这个世界——风声、雨声、人声都将实时生成，沉浸感直接拉满，这非常值得期待。

未来已来，雏形初现

虽然目前的R1仍处于初级阶段（堪称一个新物种），画面有时会不够清晰，控制也并非百分之百精准，偶尔还会出现一些违反物理规律的“鬼畜”现象。

但可以确定的是，它很可能代表了未来视频交互的发展方向。

想象一下，当这个世界模型的画面升级到8K高清VR级别，再连接上脑机接口。到那时，你可能很难分清什么是现实，什么是生成的世界。这套组合下来，不就是《头号玩家》所描绘的景象吗？

另外，目前PixVerse已经开放了R1的API接口（通常需要申请）。这意味着开发者可以将这种世界构建和实时交互的能力，接入到各种各样的应用中去。

也许要不了多久，我们就能在手机上玩到基于世界模型的、拥有无限可能的游戏，或者观看永远不会真正“完结”的互动剧集。

这，不正是《头号玩家》的雏形吗？或许，元宇宙的构想也将因此找到新的突破口。