7月15日凌晨Xmax AI发X2.0，我内测玩了三天，第一反应是：这帮人不按套路出牌。所有人都在卷画质——Sora、可灵、即梦比谁的电影感更强。Xmax偏不，它卷的是"能不能实时玩"。对着摄像头比个手势，画面里的人秒变狐耳少年；拖一下桌上的手办照片，它跟着手指活了过来。毫秒级响应，零等待，每帧都是深度学习模型根据摄像头画面和你的操作实时生成的。技术上确实有东西。逐帧自回归生成架构，把传统视频模型"全算完再吐结果"的算法逻辑改成了流式输出——像看直播不像看电影。推理优化做到了消费级显卡就能跑，960p/24fps对直播社交场景够用。机器学习层面把视频里的人变成"可编辑变量"，换人换装换风格都能实时算，多效果还能自由组合。但别吹过头。960p跟Sora的4K差着一个时代，复杂场景偶有闪烁抖动。Free模式自由度很高但生成质量不稳定，"眼睛发射激光"能出但"变成赛博朋克城市"就糊了。对标以色列Decart 40亿估值，国内实时交互视频这条赛道基本空白，Xmax是第一个吃螃蟹的。清华KEG实验室班底，智谱同门——学术底子硬。
发布于 上海
1
评论
赞
未登录
友善发言
评论
加载中
