近日，国内初创公司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，通过演示应用X-cam展示了毫秒级响应的虚实交互能力，标志着AI视频技术从"专业工具"向"大众应用"迈出关键一步。
一、核心技术突破：端到端流式架构实现毫秒级响应
Xmax X1模型采用自主研发的端到端流式重渲染架构，实现了帧级自回归DiT模型。通过多阶段蒸馏压缩与对抗训练，团队将扩散采样速度大幅提升，突破了传统AI视频生成"等待时间长、交互性差"的瓶颈。该模型融合空间三维关系与屏幕二维操作，能精准解析"捏""拖拽"等复杂手势意图。相比国际同类产品，X1在消费级显卡上即可实现同等实时生成速度，推理成本仅为十分之一。
二、四大核心功能：重新定义视频交互体验
1. 次元互动： 用户通过手机摄像头拍摄现实场景，上传任意角色图片即可将虚拟形象"召唤"至现实空间。通过捏、拍、托等手势与角色互动，模型实时生成物理反馈，如绒毛遮盖、转头避让等效果。
2. 世界滤镜： 支持将实时拍摄画面转化为梵高、乐高或动漫等指定艺术风格，动作同步保持风格一致性与连贯性。
3. 触控动图： 用户在屏幕上拖拽静态照片中的部位（如耳朵、嘴角），即可让角色产生实时位移与表情变化，让静态图像"活"起来。
4. 表情捕手： AI实时捕捉镜头中人或物体的特征，根据选定的Emoji生成动态表情包。
三、应用场景与使用方式
X1模型主要面向普通消费者和内容创作者，适用于短视频创作、社交娱乐、虚拟陪伴等场景。用户无需复杂Prompt，仅通过X-cam应用（目前可通过TestFlight下载体验）即可上手。该工具特别适合动漫爱好者、社交媒体用户及追求新奇交互体验的年轻群体。Xmax AI由华为"天才少年"计划成员史佳欣领衔创立，团队汇聚了清华大学、香港科技大学及头部互联网企业的顶尖人才。业内分析认为，X1模型的发布开辟了AI视频生成的差异化赛道，有望推动技术从"工具属性"向"体验属性"转变。
