7月24日，愛詩科技正式發(fā)布視頻生成產(chǎn)品 PixVerse V2，全球同步開放，致力用AI視頻大模型為每一個用戶釋放創(chuàng)意可能。

PixVerse V2 采用 Diffusion+Transformer（DiT）基礎架構，并在各方面進行技術創(chuàng)新，提供了更長、更一致、更有趣的視頻生成能力。在模型能力提升的同時，PixVerse V2還帶來了AI視頻生成的全新玩法：在保證一致性的前提下，一次生成多個視頻片段，可實現(xiàn)單片段8秒，和多片段40秒的視頻生成。

一、以DiT架構為基礎，實現(xiàn)多項技術創(chuàng)新

PixVerse V2 采用了 DiT 模型架構，用行業(yè)頂尖的模型訓練效率實踐了視頻大模型的Scaling Law，同時在多個方面運用了獨創(chuàng)的技術實現(xiàn)了卓越的生成效果。

在時空建模方面，PixVerse V2 引入了自研的時空注意力機制，不僅超越了傳統(tǒng)的時空分離和 fullseq 架構，而且顯著提升了對空間和時間的感知能力，使得在處理復雜場景時表現(xiàn)更為出色。

在文本理解方面，PixVerse V2 利用了有更強大理解能力的多模態(tài)模型來提取prompt的表征，有效實現(xiàn)了文本信息與視頻信息的精準對齊，進一步增強了模型的理解和表達能力。

此外，PixVerse V2在傳統(tǒng)flow模型的基礎上進行了優(yōu)化，通過加權損失，促進了模型更快更優(yōu)的收斂，從而提升整體訓練效率。

二、用戶第一，提升AI視頻創(chuàng)作生產(chǎn)力

基于大量用戶反饋和社區(qū)討論，愛詩團隊深刻洞察到一致性是AI視頻創(chuàng)作的核心挑戰(zhàn)，因此，PixVerse V2 在設計和優(yōu)化上進行了針對性突破：支持一鍵生成1-5段連續(xù)的視頻內容，且片段之間會保持主體形象、畫面風格和場景元素的一致。這一創(chuàng)新功能，讓用戶能夠圍繞特定主題進行高效而便捷的視頻創(chuàng)作。

PixVerse V2 還支持對生成結果進行二次編輯，通過智能識別內容和自動聯(lián)想功能，用戶可以靈活替換調整視頻主體、動作、風格和運鏡，進一步豐富創(chuàng)作的可能性。愛詩團隊希望在模型性能和美學效果之間尋求平衡，預計未來3個月內還將進行多次迭代升級，提供更好的AI視頻生成體驗。

PixVerse V2 致力讓更多用戶感受到AI視頻創(chuàng)作的樂趣，無論是記錄日常腦海中的靈光乍現(xiàn)，還是講述引人入勝的視頻故事，都能變得觸手可及。