PixVerse R2 ทำงานอย่างไร: จากคลิป AI สู่โลกเสมือนที่โต้ตอบได้ต่อเนื่อง

PixVerse R2 คือความพยายามของ AIsphere ที่จะทำให้วิดีโอ AI ไม่ได้เป็นเพียงคลิปสำเร็จรูป แต่เป็นฉากที่ดำเนินต่อไปและตอบสนองต่อผู้ใช้ได้ ผู้ใช้สามารถส่งข้อความ ภาพ เสียง หรือคำสั่งการเคลื่อนไหวเข้ามาระหว่างที่ระบบกำลังสร้างภาพและเสียงอย่างต่อเนื่องได้ 159

AIsphere ประกาศ R2 เมื่อวันที่ 22 กันยายน 2026 ขณะที่รายงานข่าวระบุว่าการเปิดตัวอย่างเป็นทางการในจีนเกิดขึ้นวันที่ 23 กันยายน บริษัทเผยแพร่ภาพรวมทางเทคนิคของโมเดลตั้งแต่เดือนสิงหาคม 159

ผู้ใช้โต้ตอบกับโลกของ R2 ได้อย่างไร

แทนที่จะพิมพ์คำสั่งครั้งเดียวแล้วรับวิดีโอที่ตัดจบ ผู้ใช้สามารถปรับทิศทางเซสชันเดิมต่อไปได้ PixVerse ระบุว่า R2 รองรับข้อความ ภาพอ้างอิง เสียง และคำสั่งการกระทำ รายงานยังกล่าวถึงการควบคุมตัวละครด้วยปุ่ม WASD และการใช้พรอมป์ต์เพื่อเปลี่ยนตัวละคร เพิ่มวัตถุ หรือปรับสภาพแวดล้อมระหว่างการสร้าง 16

เป้าหมายคือให้คำสั่งใหม่ส่งผลต่อฉากที่กำลังดำเนินอยู่และสิ่งที่จะเกิดขึ้นต่อไป ไม่ใช่เริ่มสร้างคลิปแยกขาดจากกันทุกครั้ง R2 จึงพยายามใช้ทั้งประวัติของฉากและคำสั่งล่าสุดเพื่อสร้างภาพและเสียงช่วงถัดไป พร้อมรักษาความสัมพันธ์ระหว่างตัวละคร วัตถุ และพื้นที่ในฉาก 136

เดโม Zero Mark และ Eve แสดงอะไร

ใน Zero Mark เกมภาพยนตร์แบบโต้ตอบที่สร้างโดยครีเอเตอร์ Xiaolongbao การเลือกของผู้เล่นทำให้เหตุการณ์เดียวกันแยกไปคนละทาง ตัวอย่างเช่น การยื่นมังกรให้สิ่งมีชีวิตตัวหนึ่งแทนใบไม้ ทำให้มันตอบสนองต่างออกไปและสร้างฉากต่อแบบเรียลไทม์ 12

อีกเดโมหนึ่งนำเสนอ Eve ตัวละครดิจิทัล รายงานอธิบายว่า Eve ตอบคำถามและรับมือกับความเปลี่ยนแปลงของเรื่องโดยอาศัยเสียง บุคลิก ความทรงจำ และสถานะความสัมพันธ์ เพื่อพยายามรักษาตัวตนให้ต่อเนื่องในการโต้ตอบหลายรอบ 6

ทั้งสองกรณีเป็นตัวอย่างที่สาธิตรูปแบบการโต้ตอบที่ผู้พัฒนาต้องการ แต่ยังไม่ใช่การประเมินจากภายนอกว่าโมเดลรักษาความต่อเนื่องได้ดีเพียงใดเมื่อใช้งานเป็นเวลานานหรือในสถานการณ์หลากหลาย 6

กลไกเบื้องหลัง: ความสามารถและความเร็ว

AIsphere อธิบายว่า R2 มีองค์ประกอบหลักสองส่วน Omni Causal AR เป็นส่วนสร้างความสามารถในการทำความเข้าใจและต่อยอดโลกตามลำดับเวลา โดยใช้สถานะปัจจุบันเป็นบริบทสำหรับสิ่งที่จะเกิดขึ้นถัดไป ส่วน Real-Time Acceleration ตั้งใจนำความสามารถดังกล่าวไปใช้ในการโต้ตอบแบบเรียลไทม์ 1913

นอกจากนี้ยังมีกลไกที่ช่วยจัดการจังหวะ ความต่อเนื่อง และภาระการคำนวณ ได้แก่

• Dynamic chunking: ปรับความยาวของช่วงที่สร้างตามสัญญาณหรือเหตุการณ์ ช่วงสั้นช่วยให้ตอบสนองเฉพาะจุดได้ไว ส่วนช่วงยาวเหมาะกับการแสดงการเคลื่อนไหวหรือเหตุการณ์ที่ต้องต่อเนื่องกัน 3
• ระบบความจำหลายช่วงเวลา: อาศัยองค์ประกอบที่มีหน้าที่ต่างกัน ได้แก่ Sink Memory สำหรับจุดยึดระยะยาว, Rolling History สำหรับความเปลี่ยนแปลงล่าสุด และ Object KV Cache สำหรับนำตัวแทนข้อมูลระดับวัตถุกลับมาใช้ 10
• Error Bank: เก็บตัวอย่างสถานะที่สร้างผิดพลาดแล้วนำกลับไปใช้ในการฝึก เพื่อให้โมเดลเรียนรู้จากความคลาดเคลื่อน ไม่ใช่เฉพาะจากประวัติการสร้างปกติ 310
• Block-sparse attention: มุ่งจำกัดการคำนวณไว้กับความสัมพันธ์ที่เกี่ยวข้อง แทนที่จะประมวลผลทุกส่วนของประวัติในเซสชันอย่างเท่าเทียมกัน รายงานจากแหล่งข่าวรองระบุค่าความกระจัดกระจายของการคำนวณมากกว่า 90% โดยแทบไม่สูญเสียคุณภาพที่รายงานไว้ แต่ตัวเลขนี้ไม่ใช่ผลทดสอบอิสระ 716

ผลทดสอบที่รายงาน และสิ่งที่ยังสรุปไม่ได้

AIsphere ระบุว่าการประเมินภายในพบว่าภาพคลาดเคลื่อนระหว่างเซสชันยาวลดลง 35.8% ตัวเลขดังกล่าวเป็นผลที่บริษัทรายงานเอง ไม่ใช่ตัวชี้วัดที่ผ่านการตรวจสอบอย่างอิสระในทุกกรณีการใช้งาน 2

แหล่งข้อมูลที่มีไม่ได้ให้ผลทดสอบอิสระที่เปรียบเทียบเวลาแฝง อัตราเฟรม หรือคุณภาพของภาพและเสียงอย่างเทียบเคียงกันได้ ดังนั้น แม้ PixVerse จะนำเสนอ R2 ว่าเป็นระบบเรียลไทม์ที่ออกแบบมาให้รักษาความต่อเนื่องได้นานขึ้น แต่ข้อมูลเหล่านี้ยังไม่เพียงพอจะยืนยันประสิทธิภาพในฉาก คำสั่งควบคุม และเซสชันที่ยาวหลากหลายรูปแบบ เดโมช่วยให้เห็นแนวคิด แต่ยังไม่ใช่ข้อสรุปว่าโมเดลจะทำงานได้สม่ำเสมอในวงกว้าง 13

R2 ต่อจาก R1 และทิศทางของ PixVerse อย่างไร

PixVerse เปิดตัว R1 ในเดือนมกราคม 2026 ในฐานะก้าวแรกสู่การสร้างวิดีโอแบบต่อเนื่องและโต้ตอบได้ ส่วน R2 ถูกนำเสนอเป็นรุ่นต่อยอดที่รองรับข้อมูลนำเข้าหลากหลายขึ้นและพยายามรักษาสถานะของฉากให้ยาวนานขึ้น 1418

PixVerse Game Engine เชื่อมวิดีโอที่สร้างแบบเรียลไทม์เข้ากับ AI agent และกลไกเกม สะท้อนทิศทางการพัฒนาประสบการณ์ที่มีบทบาท กติกา และสถานะของโลกเปลี่ยนแปลงได้ 1417

ข้อมูลที่มีช่วยอธิบายทิศทางผลิตภัณฑ์ดังกล่าว แต่ยังไม่มีคำกล่าวที่มีหลักฐานรองรับเพียงพอให้ระบุวิสัยทัศน์เฉพาะเกี่ยวกับโลกแบบโต้ตอบแก่ Wang Changhu ซีอีโอของบริษัท