图灵汇官网

爱诗科技于7月24日正式推出其创新视频生成产品——PixVerse V2，全球同步上线，旨在利用AI视频大模型激发每一位用户的创意潜力。

PixVerse V2采用了Diffusion+Transformer（DiT）架构，融合了多项技术创新，显著提升了视频生成的质量和多样性。该版本提供更长、更连贯、更有趣的视频内容生成能力，同时引入了AI视频生成的新玩法，允许用户一次生成多个视频片段，满足从短至8秒到长至40秒的视频需求。

基于DiT架构的多项技术创新

PixVerse V2以DiT模型为核心，通过行业领先的模型训练效率，实现了视频大模型的规模化应用。它在时空建模方面引入了自主研发的时空注意力机制，不仅超越了传统时空分离和fullseq架构，还显著增强了对空间和时间的感知能力，特别是在处理复杂场景时表现出色。

在文本理解层面，PixVerse V2采用更强大的多模态模型提取prompt的特征，实现了文本信息与视频内容的精准匹配，进一步强化了模型的理解和表达能力。此外，通过优化传统flow模型，PixVerse V2实现了加权损失，加速了模型的收敛过程，提高了整体训练效率。

用户导向，提升AI视频创作效率

针对用户反馈和社区讨论，爱诗团队专注于解决一致性问题，这是AI视频创作的关键挑战。PixVerse V2通过设计支持一键生成1至5段连续视频内容的功能，确保了片段之间的主体形象、画面风格和场景元素一致性，极大地提升了用户创作的效率和便捷性。

除了支持生成结果的二次编辑，PixVerse V2还具备智能识别和自动联想功能，允许用户灵活调整视频主体、动作、风格和运镜，进一步扩展了创作的空间。爱诗团队致力于平衡模型性能与美学效果，计划在未来三个月内进行多次迭代升级，持续优化AI视频生成体验。

PixVerse V2的目标是让更多的用户享受到AI视频创作的乐趣，无论是捕捉生活灵感瞬间，还是讲述扣人心弦的故事，都能轻松实现。