PixVerse R2 vill göra AI-video till en värld du kan påverka i realtid

PixVerse R2 är AIspheres försök att göra AI-video mindre som ett färdigt klipp och mer som en värld som fortsätter att utvecklas. Användaren kan påverka en scen medan den genereras, med text, bilder, ljud och handlingar, och modellen fortsätter att skapa synkroniserat ljud och bild. AIsphere presenterade R2 den 22 september 2026. Rapporter anger att den formella lanseringen i Kina skedde den 23 september, efter att företaget publicerat en teknisk översikt i augusti. 159

En scen som går att styra medan den pågår

I stället för att skriva en prompt och få tillbaka en låst video ska användaren kunna fortsätta styra samma session. PixVerse beskriver stöd för text, referensbilder, ljud och handlingskontroller. Rapporter nämner också WASD-liknande tangentstyrning för att röra en figur, samt instruktioner som byter karaktär, lägger till ett föremål eller förändrar miljön medan genereringen fortsätter. Tanken är att varje ny inmatning påverkar den befintliga scenen och vad som händer härnäst – inte startar ett fristående klipp. 16

Den kontinuiteten är själva kärnan i idén om en ”världsmodell”. R2 ska använda scenens historik och användarens aktuella kontroller för att generera nästa synkroniserade ljud- och bildsekvens. AIsphere säger att händelser under sessionen förs vidare och att modellen ska bevara relationerna mellan figurer, föremål och miljöer. 136

Vad exemplen Zero Mark och Eve visar

I Zero Mark, ett interaktivt filmspel skapat av Xiaolongbao, kan samma möte utvecklas på olika sätt beroende på spelarens val. Om varelsen får en drake i stället för ett löv ger den en annan respons. Exemplet visar hur en inmatning kan förändra fortsättningen på en scen. 12

En annan demonstration kretsar kring Eve, en digital karaktär. En rapport beskriver hur Eve svarar på frågor och förändringar i berättelsen med hjälp av röst, personlighet, minne och relationstillstånd. Målet är att hon ska behålla en igenkännbar identitet över flera utbyten. Det här är demonstrationer av den tänkta interaktionen – inte oberoende tester av hur tillförlitligt den fungerar under längre sessioner. 6

Tekniken bakom ambitionen om realtid och kontinuitet

AIsphere beskriver R2 som uppbyggd av två huvuddelar. Omni Causal AR är delen för världsmodellering: den bearbetar olika typer av indata och för scenen vidare över tid, med det aktuella tillståndet som grund för nästa steg. Real-Time Acceleration ska göra förmågorna användbara i interaktiv drift. 1913

Flera andra tekniker ska hantera tempo, kontinuitet och beräkningskostnad:

• Dynamisk segmentering anpassar längden på de genererade sekvenserna efter inmatningen eller händelsen. Kortare segment kan ge snabba, lokala svar; längre segment kan rymma mer sammanhängande rörelser eller händelseförlopp. 3
• Minne i flera tidsskalor ska hålla både långsiktiga hållpunkter och de senaste förändringarna i åtanke. Den tekniska översikten beskriver Sink Memory för bestående ankare, Rolling History för nyliga förlopp och Object KV Cache för återanvändning av representationer på objektnivå. 10
• Error Bank samlar representativa felaktiga tillstånd och återanvänder dem i träningen. På så vis ska modellen kunna lära sig av avvikelser, inte bara av vanliga förlopp. 310
• Block-sparse attention ska rikta beräkning mot utvalda, relevanta samband när sessionen växer. Sekundära rapporter uppger en gleshet över 90 procent med liten rapporterad kvalitetsförlust. Det är ett rapporterat systemresultat, inte ett oberoende benchmarktest. 716

Vad prestandasiffran säger – och inte säger

AIsphere har uppgett att R2 minskade den visuella driften under en lång session med 35,8 procent i företagets interna utvärderingar. Resultatet kommer från bolaget självt och är inte en oberoende verifiering av prestandan i olika användningsfall. 2

Källorna ger ingen jämförbar, oberoende mätning av fördröjning, bildfrekvens eller kvalitet. Därför visar de inte hur R2 fungerar i praktiken med olika scener och kontroller eller under riktigt långa sessioner. Demonstrationerna illustrerar idén, men räcker inte för att avgöra hur tillförlitlig den är i bredare användning. 13

Från PixVerse R1 till spelmotor

PixVerse lanserade R1 i januari 2026 som ett tidigare steg mot video som genereras fortlöpande och går att påverka. R2 beskrivs som en uppgradering med fler typer av indata och ett mer långvarigt scenminne. PixVerse Game Engine knyter ihop realtidsvideo med AI-agenter och spelmekanik, som roller, regler och föränderliga världstillstånd. 1418

Källorna stödjer den här beskrivningen av produktens riktning, men ger inte tillräckligt underlag för att tillskriva vd Wang Changhu en mer specifik vision eller ett särskilt uttalande om interaktiva världar.