PixVerse

定义

PixVerse是由中国人工智能企业爱诗科技开发的AI视频生成平台，面向海外市场发行；其中国国内版本名为「拍我AI」，2025年6月6日正式上线网页端与移动端^[4]。平台以自研的视频生成大模型为核心，同时接入若干第三方图像与视频模型。

与只提供单一生成功能的产品相比，PixVerse的特点是把生成能力封装为低门槛的模板与工作流。用户既可输入文字提示词生成视频，也可只上传一张照片，套用平台预设的特效模板得到一段成品短片^[5]。平台还提供面向企业开发者的接口，将视频生成能力接入第三方应用。

原理

PixVerse的底层模型采用扩散模型与Transformer结合的混合架构，在生成速度与画面质量之间取得平衡。文本提示或输入图像先被编码为语义条件，模型再据此逐步去噪，还原出连续的视频帧。平台官方文档称其高速生成模型平均约10秒可输出一段视频，最快可达5秒。

2026年1月发布的PixVerse R1在此基础上重构了生成流程，由三部分协同构成：原生多模态基础模型将文本、图像、音频与视频融合进统一的序列进行端到端生成；自回归流式生成机制引入记忆增强注意力模块，逐帧参考历史内容以维持角色、物体与环境的长期一致性；瞬时响应引擎通过时间轨迹折叠与引导校正等方法，把传统扩散模型所需的50余次采样步数压缩到1至4步^[6]。采样步数决定了去噪迭代的次数，步数越少单帧计算量越小，但需要在质量与速度之间重新校准，这也解释了R1为何能在保持画质的同时显著降低延迟^[3]。

发展历程

爱诗科技成立于2023年4月，创始人为前字节跳动视觉技术负责人王长虎^[7]。2024年1月，公司推出面向海外市场的PixVerse^[1]。2024年万圣节前后，平台基于PixVerse V3发布「毒液变身」特效模板，在TikTok等社交平台大量传播，单月新增用户超过1000万，累计播放量超过10亿次^[8]。此后平台持续推出低门槛模板，18个月内全球用户数升至1.5亿^[8]。

2025年6月，PixVerse的国内版本「拍我AI」上线，同步开放V4.5版本模型与开放平台接口^[4]。2025年8月27日，爱诗科技发布PixVerse V5，并上线Agent创作助手功能；同年9月，公司宣布完成超过6000万美元的B轮融资，由阿里巴巴领投，达晨财智、深创投、巨人网络和Antler等跟投^[9]。2025年12月，V5.5版本发布，支持生成最长10秒的视频并原生生成音频^[10]。

2026年1月14日，爱诗科技发布通用实时世界模型PixVerse R1，称其为全球首个支持1080P分辨率的实时世界模型，将视频生成从等待成片推进到实时交互阶段^[3]。同年3月30日，PixVerse V6上线，单段视频时长提升至1至15秒，原生分辨率提升至1080P，并加入原生音频与多镜头引擎^[11]。4月，面向影视制作的模型PixVerse C1发布，支持分镜转视频与音画同步输出^[12]。

应用

在消费端，PixVerse主要服务于普通短视频创作者。平台提供文生视频、图生视频、视频扩展、首尾帧转场、口型同步与图像修复等功能，并可套用涵盖舞蹈、变身、音乐MV、节日创意等类型的模板库。其中音乐MV流程支持最长6分钟的音频输入，可自动匹配歌词时间戳并生成字幕；动作模仿流程支持上传参考视频与角色图片，生成最长30秒的模仿视频^[13]。

在企业端，PixVerse通过标准接口、封装模板与定制开发三种方式交付能力，面向电商、社交、音乐泛娱乐、IP与品牌等场景，用于批量生成营销素材与互动玩法^[13]。官方文档称，其接口输出的视频最高支持1080P分辨率，并在动漫与动画风格生成上有较强表现。实时世界模型R1则面向AI原生游戏、互动电影与直播等方向，使非玩家角色与环境能对用户操作实时响应，观众也能在生成过程中介入叙事走向^[6]。

局限

视频生成的输出具有非确定性，同一条提示词多次运行的结果可能不同，生产流程需要为失败重试预留成本^[14]。当画面涉及多主体复杂动作或手指、小字等精细细节时，画质更容易下降；随着片段时长增加或要求执行的动作变多，提示词遵循程度也会减弱^[14]。该来源同时指出，PixVerse并不适合需要长视频、逐帧精确剪辑控制或特定地区数据驻留要求的团队^[14]。

早期版本还存在帧间一致性问题，物体可能在镜头之间轻微变形或失去稳定性^[10]。实时世界模型同样面临挑战：对R1的实测发现转场会出现跳接，中间的空间位移可能缺失，角色形象偶现性别突变或凭空出现、消失等现象，说明角色绑定与物理规则建模仍有待加强^[15]。此外，实时交互模型普遍存在「遗忘」用户最初指令、场景漂移与指令遵循不理想的问题，原因是模型每生成新内容都以自身带误差的历史作为条件，偏差会不断累积^[16]。平台设有内容审核机制，若账户频繁触发审核，可能被暂停使用^[17]。

参见

• 爱诗科技 —— 研发并运营PixVerse的人工智能企业。

• 世界模型 —— PixVerse R1尝试构建的一类可实时演化与交互的人工智能系统。

• 扩散模型 —— 视频生成所依赖的主要技术路线之一。

• 生成式人工智能 —— PixVerse所属的技术领域。

• Transformer —— 构成PixVerse底层模型的核心网络架构。

• 抖音 —— 短视频传播生态，是PixVerse模板玩法扩散的主要平台之一。