数美科技携手形界智能，共建AI实时视频生成新生态

9月20号，形界智能正式发布Genesis1.0，进一步探索视频生成从“生成即完成”迈向“实时交互、持续感知回应”的形态。

人与AI的交互方式正在被重新塑造。在形界智维CEO王裕鑫看来，视频终将代替文本和语音，成为人际交互更自然的方式。用户成为内容生成的实时参与者，一个由模型持续生成、用户深度参与的全新互动内容范式正在形成。

在数美科技近日举办的Agent安全系列沙龙中，王裕鑫分享了形界智能在实时生成互动领域的技术路线与应用实践。会后采访中，他进一步谈到实时互动内容的发展方向，以及当模型持续接收用户输入、实时生成内容并进入更多应用场景后，安全能力如何同步融入生成与交互过程。

理解与生成协同，形界智能探索实时互动新范式

形界智能（Frame-X）聚焦实时互动视频生成，通过模型能力让视频从一次性生成，成为能够持续运行、理解用户并实时回应的互动世界。

围绕这一方向，形界智能推出「Era」系列模型，先后通过Genesis探索虚拟人直播、AI陪伴、互动娱乐等场景，并通过Rise将实时生成进一步拓展至体感交互和开放场景。

今年7月，Genesis作为Era系列首个面向社交场景的互动视频生成模型亮相WAIC。模型可以感知用户摄像头输入，并根据用户动作实时作出反馈，用户也可以随时进入虚拟世界互动。展会期间，Genesis 累计体验时长超十小时，Waiting List 申请团队超过100个。

最新正式发布的Genesis 1.0，则在此前预览版本基础上进一步升级。

作为面向开发者的长时、智能AI互动娱乐基础设施，它基于全新的视频双工范式，在生成时长、响应速度与应用成本上，均已达到业内领先的Interactive Avatar水准。在 AI 陪伴、虚拟人、直播互动等持续互动场景中，Genesis-1.0 不仅能够24小时稳定在线，还可通过摄像头实时感知用户，实现聆听、思考、反馈、表达的类人行为闭环。

Rise-V0.2模型则从社交互动场景进一步拓展到开放场景和体感交互。在沙龙现场展示的赛车交互Demo中，Rise可以直接接收摄像头视频流，用户无需预先学习复杂指令，也不必依赖传统控制器，直接可以拿手机、笔甚至空手便可以模拟方向盘，模型便可以理解转向动作，并实时改变后续生成画面。

无论是Genesis还是Rise，形界智能探索的核心都指向同一个方向：降低用户参与生成内容的交互门槛，让模型能够直接理解用户状态，并及时作出反馈。

王裕鑫表示，“用户不只是在体验内容，也会感觉到生成内容正在理解自己”。这背后对应的是形界智能正在探索的一条技术路线：让理解和生成发生在同一个模型中。

在他看来，用户对类人感有天然诉求，而响应速度则直接影响互动能否持续。

王裕鑫介绍，目前一类实时视频方案会先通过独立的理解模型识别用户状态，再将结果转换成生成模型能够理解的指令。多一次理解和转换过程，也会增加响应延迟。

形界智能的将视频理解与生成放入同一模型架构，能够进一步降低交互延迟，让理解、生成与反馈发生在更紧密的链路中。

安全如何跟上交互速度？

形界智能携手数美科技，安全能力融入实时链路

当视频从“生成完成后观看”，进入“边生成、边交互、边触达”的状态，实时性在提升用户交互体验的同时，也对内容安全提出了新的要求。

王裕鑫表示，实时视频由模型持续接收用户输入并生成内容，视频和语音也会快速触达用户，因此安全判断需要在非常有限的毫秒级时间内完成。相比离线内容，实时生成场景对安全响应速度提出了更高要求。

与此同时，实时互动中的内容形态也更加丰富。用户语音、摄像头画面等信息持续进入模型，模型不断生成新的视频和语音内容，安全治理需要适应动态、多样的内容形态。

谈及安全与用户体验之间的平衡，王裕鑫态度明确：“安全一定优先。可以通过链路优化减少对用户体验的影响，但安全是最重要的。”

围绕实时视频生成中的安全需求，形界智能与数美科技通过动态评测提前发现风险，依托实时围栏持续识别并处置风险，构建从风险发现到运行防护的安全治理闭环。双方将围绕虚拟直播、AI陪伴等实时互动场景持续探索，在保障内容安全的同时，尽量降低对实时交互体验的影响。

对于更进一步的安全治理，王裕鑫认为，首先要把控用户最终获得的内容，在此基础上再向前分析风险来源，判断问题来自用户输入，还是模型自身的控制能力。

在他看来，当前实时互动内容仍处于技术与体验快速演进的早期阶段。随着模型能力不断提升、应用场景持续拓展，以及产业上下游协作进一步深入，对安全能力的需求也会同步增长。

未来，形界智能将更专注模型能力，持续优化模型架构和数据利用效率，并将模型开放给更多互动内容开发者使用。

双方也将持续推动安全能力与实时生成技术协同，在保障用户互动体验的同时，让安全判断更贴近实时生成过程，为更多实时互动场景落地提供安全支撑。