扩散语言模型驱动的实时交互视频模型：SigmaZ 完成数百万美元融资
扩散语言模型驱动的实时交互视频模型：SigmaZ 完成数百万美元融资Pixel 擅长表达 appearance，Code 擅长表达 structure；未来会进入 Pixel-Code 联合的视觉表达。
来自主题: AI技术研报
8323 点击 2026-08-20 10:54
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
Pixel 擅长表达 appearance，Code 擅长表达 structure；未来会进入 Pixel-Code 联合的视觉表达。
我们先来看两个画面。
对着摄像头比了个手势，桌上凭空多了只企鹅
如果 2024 年我们还在感叹 Sora 模拟物理世界的真实感，那么在 2026 年的今天，单纯的高清视频生成已不再是终点。
初创公司 Xmax AI 推出的首个虚实融合的实时交互视频模型 X1，没有复杂的 Prompt，不需要漫长的渲染等待，只需要手势进行交互，就可以让虚拟世界与现实相连，在镜头中令「幻想」成真，让用户体验到实时交互的心流体验。