В интервью 36Kr основатель Vivix Лю Юй заявил, что модель W1 выдаёт первый кадр за 300–600 мс. Для игр и стримов это может превратить видео из заранее готового ролика в сцену, которая отвечает на действия зрителя.
W1 объединяет понимание, взаимодействие и генерацию. Менять ход истории можно текстом, голосом и касаниями; в демо с игровыми студиями игрок управляет сюжетом через промпт. Vivix также готовит A1 — модель для общения с цифровыми персонажами. Первые направления компания выбрала не случайно: в играх взаимодействуют многие игроки, а стримы рассчитаны на большую аудиторию.
Скорость — не единственная заявка. По словам Лю Юя, стоимость генерации W1 приблизилась к ориентиру YouTube: около $0,2 за час CDN-трафика. Это сравнение с затратами на доставку видео, а не цена для пользователя. Для контекста: полный путь от действия зрителя до ответа модели занимает примерно секунду, тогда как обычная генерация видео по промпту может длиться от сотен до тысяч секунд. Пока это заявления Vivix, не независимый тест.
Компания строит не очередной видеоредактор: её ставка — базовая модель и API для новых интерактивных форматов. Для обучения Vivix собрала десятки миллионов часов мультимодальных данных, часть из них содержит записи взаимодействий. Следующий этап — W2: его обучающие данные должны быть на два порядка объёмнее, выпуск компания планировала на четвёртый квартал. Задача амбициозная: сделать видео не только быстрым и дешёвым, но и таким, с которым хочется взаимодействовать.
Источник36kr
