公司技术发布 - Xmax AI正式发布全球首个虚实融合的实时交互视频生成模型X1 该模型实现毫秒级实时视频生成和低门槛手势交互 可将虚拟内容实时无缝融入现实物理空间 打破了AI视频生成“预制内容”的传统范式[1] - 公司已通过技术演示应用X-cam beta开放了X1模型的能力体验 用户可通过TestFlight下载[1] - X1模型无需复杂提示词和漫长的云端渲染等待 仅凭手机摄像头和直觉化手势即可实现虚拟与现实的无缝融合 推动AI视频从“被动的消费内容”向“共创体验”跃迁[1] 行业痛点与公司技术路线 - 当前全球AI视频生成领域发展势头迅猛 行业企业纷纷在画质、时长和分辨率上展开技术角逐 相关技术主要服务于影视、广告等专业领域的生产力需求[1] - 现有技术路线多聚焦于“文生视频”的单向输出 对普通用户而言存在操作流程复杂、生成等待时间长以及内容缺乏互动性的问题 使得AI视频生成难以真正融入日常生活[1] - 针对行业痛点 Xmax AI选择“虚实融合+实时交互”的技术路线 旨在让AI视频实现“人人可玩”[1] 核心应用场景 - 基于X1模型的实时生成能力 公司落地了四大核心玩法覆盖多元交互场景[2] - 次元互动：上传任意角色图 通过手机摄像头对准现实平面即可将角色实时置入现实场景 虚拟角色能对触摸、捏握等手势做出精准的动态与物理反馈[2] - 世界滤镜：上传指定风格图片后 摄像头捕捉的现实画面可实现实时全域风格化转化 动作同步保持风格一致性与连贯性[2] - 触控动图：上传静态照片后 通过触摸屏拖拽照片中的元素可唤醒并操控角色做出相应动作[2] - 表情捕手：镜头对准人物后选择指定表情Emoji AI可实时生成神态精准的动态表情包[2] 核心技术突破 - X1模型的技术实现源于团队在算法与工程层面的核心突破[2] - 为实现极速响应与精准意图理解 团队创新端到端流式重渲染架构 实现帧级自回归DiT模型 通过多阶段蒸馏压缩与对抗训练将扩散采样速度大幅提升[2] - 团队构建了统一交互模型架构 融合空间三维关系与屏幕二维操作 让模型能精准解析“捏”“拖拽”等复杂用户意图[2] - 针对虚实融合数据稀缺的行业困境 团队搭建了半自动化合成管线 在筑牢技术壁垒的同时也为AI视频生成领域储备了数字资产[2] 研发团队背景 - Xmax AI团队汇聚了来自华为“天才少年”计划、清华大学KEG与HCI实验室、香港科技大学（广州）以及字节跳动、快手等高校和头部企业的顶尖人才 兼具算法研发与工程落地能力[3] 公司战略愿景 - Xmax AI表示 X1模型和X-cam应用只是企业布局的开端 团队正致力于定义全新的内容交互范式 搭建下一代内容交互引擎[3] - X1模型的推出让AI视频从单纯的内容生成走向虚实融合的实时交互 为行业发展提供了全新的技术方向[3]