Odyssey 开放交互式视频预览：按键即时改写画面，延迟仅 40 毫秒

想象一下，你正在看一部电影，随手按了一下键盘上的方向键，画面里的摄影机或者角色立刻跟着转弯，原本设定好的剧情和场景在几毫秒内重组。它不是预先渲染好的 3D 游戏，而是一段完全由 AI 实时算出来的视频。

总部位于伦敦的 AI 初创公司 Odyssey 最近上线了这种被称为「交互式视频」的公开研究预览。用户只要按按键盘、划动屏幕或者推一下摇杆，就能直接改变屏幕上正在播放的视频内容。

40 毫秒响应的「穿帮梦境」

Odyssey 的两位创始人 Oliver Cameron 和 Jeff Hawke 都来自自动驾驶领域。他们原本做世界模型是为了帮电影和游戏制作降本增效，结果中途发现这套技术能直接拿来做一种全新的叙事媒介。

这套系统的底层是一个全新的世界模型。在英伟达 H100 显卡的支撑下，它接收到用户的动作后，能在 40 毫秒内做出反应，以最高每秒 30 帧的速度实时流式生成画面。

不过，团队自己也坦白，现在的体验离成熟还差得很远。画面有时会模糊或者扭曲，周遭环境甚至会莫名其妙突然变样。他们把现阶段的体验形容成「探索一个满是 bug 的梦境」，虽然粗糙且不稳定，但确实前所未见。

为了不让系统彻底崩溃，这次上线的预览版还是个「窄分布模型」，也就是只在一套特定的真实世界视频数据上训练来换取稳定性。Odyssey 表示下一代模型正在研发中，画质会更清晰，物理规律和交互反应也会更真实。

背后站着皮克斯元老，但算力真不便宜

虽然产品还在早期，Odyssey 的背景却相当扎实。公司已经拿到 2700 万美元融资，投资方包括 EQT Ventures、GV 和 Air Street Capital，董事会里甚至坐着皮克斯联合创始人、前迪士尼动画工作室总裁 Ed Catmull。

但摆在他们面前最现实的问题是钱。目前跑这套系统的基建成本大约是每位用户每小时 1 到 2 美元。虽然 Odyssey 强调随着模型优化和基础设施投入，这个成本正在快速下降，但这依然是一笔不小的开销。

放眼整个赛道，做世界模型的可不止他们一家。Google DeepMind、微软，以及李飞飞创办的 World Labs 都在抢这块地盘，大家都在试图让 AI 真正理解并实时生成动态的三维物理世界。

为什么重要

从技术路径来看，Odyssey 试图跳过传统的 3D 渲染管线。以前想做可交互世界，需要建模师、贴图师和游戏引擎一步步搭建，而他们想直接用神经网络「脑补」出一切，哪怕只用很简单的控制指令就能驱动。

我们认为，普通用户现在去体验，更多是看个新鲜，它暂时没法取代现有的游戏或电影。但对创作者来说，这展示了一种全新的概念原型设计方式，故事走向不再是线性的，观众甚至能随时走入镜头背后。

问题在于，每小时 1 到 2 美元的推流成本，注定了它短期内很难做成大众消费级产品。如果按重度玩家一天玩三四个小时算，没有任何现行的订阅制能承受这种亏损。而且在窄数据集之外，模型如何保持长久的一致性而不陷入视觉幻觉，目前也还没有定论。

不过，Odyssey 这一步很聪明的地方在于，他们没有死磕影视后期制作工具，而是直接把半成品包装成一种全新的人机交互实验放出来。在 DeepMind 和 World Labs 大军压境之前，先抢下了「实时交互视频」这个新概念的第一声吆喝。