Xmax AI 发布实时交互视频模型 X2.0，可在 iPhone 本地运行
Xmax AI 发布 X2.0 模型，可在手机上实时交互视频，成本低且开放 API，可能重塑视频内容形态。
X2.0 是全球首个能在 iPhone 上本地运行的实时交互视频模型，将视频中的用户变成可编辑变量，支持文字、手势、空间等多种交互方式。它采用逐帧自回归架构，响应延迟在毫秒级，成本仅为海外同类模型的十分之一，并开放 API 供开发者调用。
正文摘录
好吧，肥水不流外人田，这是今天凌晨， Xmax AI 全球首发的实时交互视频模型—— X2.0 。 本质上， CharX 、 ClothX 、 VibeX ，都是 X2.0 实时渲染能力的多维度秀肌肉，模型将视频中的「你」变成可编辑变量，从而可以像调整照片亮度一样，基于参考图片实时计算用户的视觉身份。 虚拟现实的概念炒了这么多年，但以前的体验基本都是静态的，缺乏真正的「 在场感 」，只能当个花瓶看看。 X2.0 的革命性在于：它能用现实中的物品作为锚点，精准定位并控制虚拟角色的运动路径，把「物理触感」变成了交互的一部分。 不知道大家还记不记得，曾经有一款叫 《宝可梦 GO》 的捉宠游戏。玩家需要拿着手机四处 Citywalk ，地图上会随机刷新宝可梦。但交互极其有限，只能丢丢精灵球、拍拍照。 如今，体验「 超进化 」。 X2.0 彻底撕开次元壁，任何地点都能随时召唤心爱角色，与其进行 抚摸、对视 等即时无缝的深度互动。 也可以做「瞄准」式的虚空召唤—— 指定对象 ，将其与「平行宇宙」的物体置换。比如将手里这瓶矿泉水，凭空替换成一把匕首。 不用烧 Token 设计 Codex 桌宠了，只需一张照片，家里的小主子随时化身「 赛博形态 」陪你上班。 最后，除了上述三项封装好的核心功能， Xmax 还最大限度地开放了模型应用的 自定义空间 ，以覆盖更广泛的长尾需求。 比起「视频模型」，它更像一款游戏。更严谨点说，是一种类似于视频和游戏之间的内容形态—— 不仅能看，还可以随手即「玩」。基于 AI 赋能的全新操作系统，所有视频都能变成可以实时交互的资产。 但实际上，几毫秒的延迟差距，在实时交互场景中可能直接决定一款产品的生死。 C 端用户对心流体验的要求极为苛刻，多卡几帧，手指就已经划走了。