实时交互视频的GPT-3时刻，可能被一个国产团队摸到了|fps|手机|摄像头|用户完成语音|触屏

来源：市场资讯

（来源：冷逸沃垠AI）

昨天，中国团队Xmax AI发布了一款实时交互AI视频模型「X2.0」，我参与内测体验了几天，有点离谱，也有点好玩。

它不像Seedance、Kling、Wan那样卷画质，也不跟你比谁的电影感更强。它从交互方式上另辟了一条路，让视频从“只能看”变成了“可以上手玩”。

比如，输入提示词“双眼发射激光”，右边的output界面立刻就会有画面，光影、人物面部和运动细节全都对得上。

选择一个角色，人物秒变早川秋，动作、表情完全同步。

选择一件衣服，一键换装，只有服装变，其他都不变。

在手机里捏一下小狗的头，它就跟着我的手指活了过来。

而且，全都是实时生成的。

先搞明白，X2.0到底是个啥

我们现在熟悉的AI视频模型，不管是Seedance、可灵还是Wan，逻辑都一样：写一段prompt，点生成，然后等。等它渲染完，吐给你一个固定的视频文件。你只能看，改不了。

Xmax AI走的是完全不同的一条路。

打个比方，其他AI视频模型像“看电影”，片子早就拍完剪好了，你坐那儿从头看到尾，剧情一个字都改不了；X2.0像“打游戏”，画面是跟着你的操作实时长出来的，你往左它就往左，你伸手它就变。你不再是观众，你是玩家。

官方给它的定位叫“视频流的操作系统”。这个说法有点大，但玩过之后我承认，它确实抓住了那个感觉：视频不再是一段结果，而是一个你能实时操控的交互媒介。

响应有多快？毫秒级，几乎0延迟。真的就跟刷抖音一样，手指划到哪画面变到哪，中间没有那个让人抓狂的转圈等待。

今年2月，Xmax AI发布了第一代模型X1，在海外社交媒体上引起不小的关注，但那会儿的能力还停留在“秀技术”的阶段。

时隔5个月，他们带来了X2.0，几方面都做了升级：

画质升级，从480p提到了960p、24fps；
速度提升，毫秒级响应，几乎0延迟；
交互升级，新增实时换人、换装等能力，也支持自定义prompt。

目前，X2.0已经在platform.xmaxai.com开放体验。首次注册送600积分，大概够你玩10分钟的视频。同时也开放了商用API，可以直接接进自己的产品里。

我上手玩了玩

这次X2.0带来了三大类、五项主打能力，我一个个说。

1）实时重渲

说白了，就是实时替换摄像头或视频里的主体，角色、服装、视觉风格都能换。

它拆成三个：CharX换人（人变、背景不变）、ClothX换装（只换衣服）、VibeX换风格（连背景一起换）。

比如对着摄像头随手一点，自己就变成了马斯克，动作跟得死死的，几乎没延迟。

不仅单人，多人换装也支持。只有服装变，动作和背景保持不动。

而且主体角色、服装、背景的参考图全都能自定义。你把指定素材传上去，它就照着参考图实时生成，渲染出新的视频。

想接API的话，填入这段命令，就能把它搬进你自己的产品：

// npm install @xmaxai/sdkimport { createXmaxClient, models } from "@xmaxai/sdk";// Select the realtime model.const model = models.realtime("x2.0");// Create an Xmax client with your API key.const client = createXmaxClient({  apiKey: "",});// Request camera access using your preferred video settings.const stream = await navigator.mediaDevices.getUserMedia({  video: {    frameRate: model.fps,    width: model.width,    height: model.height,  },});// Select the element that displays generated video.const remoteElement = document.querySelector("#video-output") as HTMLElement;// Establish an Xmax realtime session, publish the camera stream, and bind the remote output element.const realtimeClient = await client.realtime.connect(stream, {  model,  remoteElement,});// Start generation with a prompt, a reference image, or both.await realtimeClient.set({  prompt: "视频中人物衣服替换成参考图中衣服", // This Chinese prompt delivers more consistent outputs.  image: "",});