PixVerse R2 : une vidéo qui ne s’arrête pas au premier prompt

PixVerse R2 entend faire passer la vidéo générée d’un format fixe à un monde qui évolue au fil des interactions. Au lieu d’envoyer une consigne puis de recevoir un clip terminé, l’utilisateur peut intervenir pendant que la scène se poursuit. AIsphere a annoncé R2 le 22 septembre 2026 ; plusieurs articles situent son lancement officiel en Chine au 23 septembre. L’entreprise avait publié un aperçu technique en août. 159

Une scène que l’on peut continuer à diriger

PixVerse présente R2 comme un « modèle du monde » audiovisuel : il doit s’appuyer sur l’état actuel de la scène et sur ce qui s’y est déjà passé pour générer la suite. L’utilisateur peut intervenir par du texte, des images de référence, de l’audio ou des actions. Des exemples rapportés évoquent aussi des commandes de déplacement de type WASD, ainsi que des prompts pour changer de personnage, ajouter un objet ou modifier l’environnement sans interrompre la génération. 16

L’idée est que chaque nouvelle entrée influe à la fois sur la scène en cours et sur ce qui vient ensuite, plutôt que de déclencher un clip sans lien avec le précédent. AIsphere affirme que le modèle conserve les événements d’une session et cherche à maintenir les relations entre personnages, objets et espaces. 136

Ce que montrent les démos Zero Mark et Eve

Dans Zero Mark, un film-jeu interactif créé par Xiaolongbao, un même face-à-face peut prendre des directions différentes selon le choix du joueur. Offrir un dragon à une créature plutôt qu’une feuille entraîne une autre réaction, générée en direct : la commande change donc la suite de la scène. 12

Une autre démo met en scène Eve, un personnage numérique. Selon un compte rendu, ses réponses s’appuient sur sa voix, sa personnalité, sa mémoire et l’état de sa relation avec le joueur, afin de préserver une identité cohérente au fil des échanges et des rebondissements. Ces démonstrations illustrent le type d’interaction recherché ; elles ne constituent pas une évaluation indépendante de sa fiabilité sur de longues sessions. 6

Deux briques pour concilier capacités et vitesse

AIsphere décrit R2 comme un système articulé autour de deux composants. Omni Causal AR est la brique de modélisation du monde : elle traite différents types d’entrées et fait progresser la scène dans le temps, en utilisant son état courant comme contexte. Real-Time Acceleration vise à rendre ces capacités utilisables dans une interaction en temps réel. 1913

D’autres mécanismes sont présentés comme des moyens de gérer la continuité, le rythme des commandes et le coût de calcul :

• Le découpage dynamique adapte la longueur des segments générés au signal reçu. Des segments plus courts peuvent favoriser une réaction rapide ; des segments plus longs peuvent aider à représenter un mouvement ou un événement de façon plus cohérente. 3
• La mémoire à plusieurs échelles de temps vise à conserver à la fois des repères durables et les changements récents. Le rapport technique cite Sink Memory pour les repères persistants, Rolling History pour les événements récents et Object KV Cache pour réutiliser des représentations liées aux objets. 10
• L’Error Bank, ou « banque d’erreurs », conserve des exemples de déviations représentatives et les réinjecte à l’entraînement, afin que le modèle puisse aussi apprendre à partir de ses échecs de génération. 310
• L’attention éparse par blocs vise à concentrer les calculs sur les relations jugées pertinentes à mesure que la session s’allonge. Des sources secondaires rapportent un niveau de parcimonie supérieur à 90 % avec peu de perte de qualité signalée ; ce chiffre est un résultat rapporté, pas un benchmark indépendant. 716

Ce que les résultats annoncés permettent de conclure

Dans ses évaluations internes, AIsphere rapporte une réduction de 35,8 % de la dérive visuelle au cours d’une longue session. Il s’agit d’un résultat communiqué par l’entreprise, et non d’une mesure vérifiée de manière indépendante pour tous les usages. 2

Les sources disponibles ne fournissent pas de comparaison indépendante et équivalente sur la latence, la fréquence d’images ou la qualité visuelle. PixVerse présente donc R2 comme un modèle temps réel conçu pour rester cohérent plus longtemps, mais les éléments cités ne permettent pas de savoir comment il se comportera selon les scènes, les commandes ou la durée des sessions. Les démos donnent à voir le principe ; elles ne suffisent pas à établir sa fiabilité dans toutes les situations. 13

De R1 au PixVerse Game Engine

PixVerse avait présenté R1 en janvier 2026 comme une première étape vers la vidéo générée en continu et interactive. R2 est présenté comme une évolution, avec davantage de types d’entrées et une volonté de mieux préserver l’état de la scène au fil du temps. Le PixVerse Game Engine relie la vidéo générée en temps réel à des agents d’IA et à des mécaniques de jeu, pour créer des expériences structurées autour de rôles, de règles et d’états qui évoluent. 1418

Les sources étayent cette orientation produit, mais ne fournissent pas de citation assez solidement documentée pour attribuer une vision plus précise des mondes interactifs au PDG Wang Changhu.