本文信息来源：wired
初创公司 Decart 研发出一款能实时改造直播画面的 AI 模型，其效果令人目眩神迷——即将颠覆流媒体行业。
迪恩·莱特斯多夫通过 Zoom 自我介绍后，输入了一段让我恍如服下致幻蘑菇的提示词：”狂野西部、宇宙、罗马帝国、金色、水下”。他将这些词语输入由他创立的 Decart 公司开发的人工智能模型，该模型能实时操控直播视频。
“我完全不知道接下来会发生什么，”莱特斯多夫大笑着说，话音刚落他就变成了一个披着雨披、泛着金光的水下版尤利乌斯·凯撒，模样怪异至极。
莱特斯多夫本就带着几分狂野气质——长发垂落肩背，一支钢笔在指间翻飞。在我们交谈时，屏幕上的他随着模型对每一帧画面的预测而不断扭曲变幻。当他把手覆在脸上时，面部特征就变得更为女性化。他手中的钢笔在不同颜色和形态间跳跃。随着他输入更多提示词，我们被带入新的迷幻领域。
Decart 公司的视频转换模型 Mirage 既是工程学上的壮举，也预示着 AI 将如何颠覆直播行业。类似 OpenAISora 的工具已能通过文本指令生成愈发逼真的视频，而 Mirage 则实现了实时视频编辑功能。
本周四，Decart 将推出网站及应用程序 ，用户可自主创作视频并修改 YouTube 片段。该平台提供”动漫”、”迪拜天际线”、”赛博朋克”和”凡尔赛宫”等预设主题。在演示中，Leitersdorf 上传了一段《堡垒之夜》游戏画面，场景瞬间从经典的大逃杀地图转变为水下世界。
这项技术在游戏领域潜力巨大。2024 年 11 月，该公司展示了游戏《Oasis》，采用类似 Mirage 的技术实时生成可游玩的《我的世界》风格场景。玩家通过贴近纹理再拉远视角的操作，就能在游戏中不断生成新的可探索场景。
实时操控动态场景对计算能力的要求更为严苛。德卡特团队编写底层代码，从英伟达芯片中榨取高速运算性能才实现这一壮举。Mirage 系统能以 768×432 分辨率每秒生成 20 帧画面，每帧延迟 100 毫秒——足以制作质量尚可的抖音短视频。
实时构建视频还存在另一重挑战：模型极易以极端方式偏离现实。德卡特开发了定制化的模型训练与运行方案来提升连贯性，同时还设计出模型高速纠错机制。
德卡特表示正致力于实现全高清与 4K 输出，并探索用户控制视频的新方式。”我们即将发布多项更新，届时用户能进行更精细的编辑，”雷特斯多夫透露道。
我能想象这款工具在 TikTok 或 Instagram 等平台上大受欢迎——我和朋友们尝试创造各种怪诞场景时确实乐在其中，生成了大量神秘莫测的赛博朋克角色，有些甚至长着不合理数量的手指。但其不可预测性可能会引发争议。有时这个模型会莫名其妙地执着于改变用户的种族特征。
莱特斯多夫表示，除了他自己的公司外，只有顶级 AI 实验室——OpenAI、Anthropic、xAI、谷歌和 Meta——具备开发类似 Mirage 的技术能力。但他无意被收购。”我们有五年时间打造千角兽企业，”他转动着手中的笔说道，”就是估值千亿美元，或者拥有万亿用户。”