PixVerse V2是愛詩科技於2024年7月24日發布的AI視頻生成產品，基於Diffusion+Transformer（DiT）基礎架構並結合自研時空注意力機制，實現了單片段8秒、多片段累計40秒的視頻生成能力。該產品支持一鍵生成1-5段連續視頻內容，通過智慧型識別技術保持多片段間主體形象、畫面風格及場景元素的一致性，同時提供二次編輯功能，允許用戶調整視頻主體、動作、風格與運鏡參數。
在技術實現層面，該模型通過改進傳統flow模型及加權損失機制提升訓練效率，並引入多模態模型強化文本與視頻信息的對齊精度。截至2024年8月，該產品已成為用戶量最大的國產AI視頻生成工具之一，並計畫在未來3個月內持續疊代最佳化生成體驗。
基本介紹
- 發布時間：2024年7月24日
- 開發公司：愛詩科技
- 核心技術：DiT+時空注意力機制
- 單片段時長：8秒
- 多片段總長：40秒
- 支持功能：二次編輯
技術架構,核心功能特性,技術最佳化,用戶體驗與行業影響,
技術架構
PixVerse V2採用Diffusion+Transformer（DiT）混合架構，通過自研時空注意力機制實現時空聯合建模，突破傳統時空分離架構限制。該機制增強模型對複雜場景的時空感知能力，最佳化動態幅度與細節表現力，同時提升視頻壓縮質量與運算效率。模型引入3D VAE框架改進視頻重構效果，並利用多模態融合技術強化文本與視頻內容的對齊精度。
核心功能特性
- 多片段生成：支持一鍵生成1-5段連續視頻，通過智慧型識別技術自動保持主體形象、畫面風格及場景元素的一致性，最長可生成40秒連貫內容；
- 二次編輯：提供智慧型替換功能，允許用戶修改視頻主體、動作、環境要素及運鏡方式，降低創作門檻；
- 多模態輸入：支持文生視頻與圖生視頻模式，後者需上傳16:9比例圖片並輸入提示詞。
技術最佳化
通過改進flow模型與加權損失函式設計，模型訓練效率提升30%，收斂速度達到行業領先水平。時空注意力機制的套用使複雜場景處理能力提升45%，視頻動態幅度與細節保真度顯著優於同期產品。此外，最佳化後的模型支持生成結果實時預覽與局部重生成功能，縮短用戶等待時間。
用戶體驗與行業影響
截至2024年7月，PixVerse系列產品累計用戶量居國內首位，其生成的《山海奇鏡之劈波斬浪》等作品已成為AI視頻創作標桿案例。該產品通過簡化操作流程與降低技術門檻，覆蓋社交媒體短視頻與劇情類長視頻創作需求。愛詩科技計畫在未來3個月內推出多次版本疊代，重點最佳化生成速度與多模態互動能力。
在AI視頻生成領域，PixVerse V2通過強化內容一致性與信息密度，提供從創作到編輯的一站式解決方案，推動行業從技術驗證向規模化套用轉型。
