视频生成模型又卷出新花样了。这次不是生成一段视频等几分钟渲染，而是像直播一样，边生成边更新画面。

Visko 今天发布了 Orbis 1.0，官方称之为他们的第一个"Live Model"（实时模型）。核心能力一句话概括：实时生成一个场景，并且在新提示词进来时，持续更新画面，不需要重启整个生成流程。每次更新都会自然叠加到正在生成的场景中，像直播一样流畅。

打开网易新闻 查看精彩图片

这跟传统视频生成模型有本质区别。以前你输入一段提示词，模型吭哧吭哧生成几秒到几十秒的视频，不满意？改提示词，重新生成，等。Orbis 的做法是：场景一直在生成中，你随时丢新指令进去，画面直接跟着变，不用从头再来。

测试数据：74个测试用例，每个1-3分钟，每个包含6次提示词变更。技术报告显示，Orbis 在感知质量、运动质量和提示词对齐度上，领先于其他实时系统，包括 LongLive、Self-Forcing 和 SANA-Video。

这组数字说明什么？说明它不是为了炫技做的演示，而是真的在"持续生成"这个方向上做了系统性的工程优化。

输入输出规格

输入方面，Orbis 支持三种起点：

  • 文本提示词
  • 图片
  • 现有视频

输出方面，支持 4K 分辨率、24 FPS。这个规格放在实时生成这个前提下，算得上硬核了——毕竟很多非实时的模型，生成4K视频也要等不少时间。

更关键的是跨会话的一致性。测试中，Orbis 能在不同会话之间保持主体、场景和风格稳定。这意味着你上午生成一个角色，下午继续生成，它还是那个角色，不会变成另一个人。这对做长视频、做连续剧情的创作者来说，是刚需功能。

"持久记忆"和"物理接地"

官方介绍里有两个词值得注意：persistent memory（持久记忆）和 physics-grounded generation（物理接地生成）。

持久记忆解决的是上面说的跨会话一致性问题。物理接地则是说，生成的内容要符合物理规律——物体不会凭空消失，运动轨迹不会违反直觉。这两个特性叠加，加上"无界长度"（unbounded length）的生成能力，官方给的使用场景是"创建活的世界并实时流式传输"。

翻译一下：你可以用它做实时直播的虚拟场景，也可以做游戏里的动态背景，甚至做电影预演（previs）——场景不是预先渲染好的，而是实时生成的，随时可以改。

API 已开放

Orbis 1.0 现在已经在 visko.ai/models#orbis 上线，可以试用。API 通过 reactorworld 提供。这意味着开发者可以直接把实时视频生成能力接进自己的应用里，不用自己训练模型。

从产品定位来看，Visko 瞄准的不是"生成一段视频"这个旧需求，而是"持续生成一个世界"这个新需求。前者是单次请求-响应，后者是长连接-持续流。这个转变，跟当年从"下载文件"到"在线流媒体"的转变有点像。

跟其他实时系统的对比

技术报告里提到的对比对象——LongLive、Self-Forcing、SANA-Video——都是学术界和工业界在实时视频生成方向上的代表系统。Orbis 能在这些系统里领先，说明它的架构不是简单堆算力，而是在生成机制上做了创新。

不过，报告只提到了"领先"，具体领先多少、在哪些细分维度上有优势，原文没有展开。对于想深入了解的人来说，可能需要去看完整的技术报告。

吐槽两句

说实话，"实时生成+持续更新"这个方向，之前不是没人提过，但大多数产品停留在演示阶段——生成几秒钟的短视频，然后告诉你"这是实时的"。Orbis 这次至少把规格拉到了4K/24FPS，还做了74个测试用例的系统性评估，看起来是认真在做产品，不是发个论文就完事。

但也要泼盆冷水："无界长度"和"持久记忆"这两个词，在视频生成领域已经被用滥了。很多模型号称无限长，实际生成到一定长度就开始崩坏——主体变形、场景漂移、风格突变。Orbis 的测试用例最长只有3分钟，这个长度能不能撑住"无界"的承诺，还得看实际使用中的表现。