PixVerse は自社で動画の基盤モデルを作り、それを3本のラインに整理している。V6 がクリップ生成、C1 が映画制作、R1 がリアルタイムの対話世界を受け持つ。分け方は公式にこう書かれている。V6 は精密な制御と固有の芸術表現、C1 は映画的な制御と物理シミュレーション、R1 は高忠実な人物と動きの美学、そして商業的な連携と多感覚の同期だ。

V6 は 15 秒 1080p、音も同じ実行で作る

モデルのページは能力を四つに分ける。第一が 15 秒 1080p の生成で、長く安定した連続映像、つまり断片と手作業の継ぎ足しが減るということだ。第二がネイティブのマルチショットで、広角、中景、寄りとその間の転換が一度の生成から出るので、物語の構造がすでに組まれた状態で届く。第三がネイティブ音声で、セリフ、効果音、環境音を一緒に作る。第四がアスペクト比の制御で、16:9 や 9:16 などの配信形式を生成の前に決める。

四つをまとめて読むと、V6 が解こうとしているのは一つの問いだ。一度の生成をそのまま出せるか。長さは足りているか、カットに構造はあるか、音は付いてくるか、画面比は最初から合っているか。ページはまた、最後に切り抜くのではなく、出力設定を最初から配信先に合わせるよう勧めている。

テキストからか、画像からか

よくある質問には、V6 がテキストのプロンプトからも、静止画からも動きを起こせると明記されている。テキストからの生成は新しい概念に向き、画像からは商品写真、キャラクター設計、写真、手元にある視覚的な参考資料に向く。結果は入力の質に強く左右されるので、公式は主題がはっきりし、輪郭が読み取りやすく、構図の強い画像を求め、カメラが寄るのか、流すのか、あおるのか、追うのか、回るのかをプロンプトに書くよう促す。人物の一貫性は、髪色、衣装、小物といった同じ身元の手がかりを各カットで繰り返すことで保つ。

ランキングの数値と分あたりの価格

サイトの比較欄は外部の画像から動画のランキングを引用し、2026 年 4 月 2 日時点と記している。V6 は ELO が 1,343、API 価格は 1 分あたり 4.80 ドル。同じ図には比較用の行が四つあり、1,333 で 4.20 ドル、1,298 で 13.44、1,291 で 9.00、1,195.5 で 18.00 となっている。

注意点は二つ。指標の定義も集計日も他社の定価も動くもので、しかもこれは外部データを公式が示したものだ。予算は図から写すのではなく、購入時点のページで確かめたい。

C1 と周辺の道具立て

C1 は映画制作のための通しの創作エンジンという位置づけだ。モデルの周りに五つの入口がある。通常の映像制作を担うウェブ版、会話で示した意図を流れに変え複数カットを一度に作れるエージェント、広告と商談向けに案内役の手順で出稿できる素材まで導くマーケティング拠点、参考とプロンプトと動きと完成カットを編集可能な図でつなぐ Canvas、プロンプトや参考素材、出力比、一括処理を端末から扱う CLI だ。

その下に軽い道具が並ぶ。テンプレート、リップシンク、効果音の生成器、画像の部分編集、外側への拡張、クリップの延長などだ。つまり製品の形は、映像を返すチャット欄ではなく、素材の準備から書き出しまでを一つの基盤に収めることにある。

R1 と R2：生成を入っていける世界にする

R のラインはさらに先を行く。告知は R1 を 2026 年 1 月の開始とし、リアルタイム世界モデルと呼ぶ。生成を一度きりの出力から、入力に応じ続ける流れに変えるものだ。三か月後には共有世界と個人のアバターが加わり、複数の人が同じ生成世界に入って一緒に形作れるようになった。

2026 年 8 月の研究記事が R2 のやり方を説明する。従来の長尺映像とリアルタイムの構成はおよそ五段階の訓練を通り、そのたびの受け渡しが品質と長時間の安定性を削る。R2 はそれを二段に畳んだ。まず Omni Causal AR を統一的な世界モデルとして継続的に事前学習し、次に同じ因果の基盤をそのままリアルタイム用に蒸留する。原則は、学び直さずに速くする、だ。長時間動かしても身元とシーンを失わないよう、R2 は記憶を三つの経路に分ける。Sink Memory は人物の身元、環境、スタイル、世界の規則といった持続する手がかりを保ち、Rolling History は直近の動き、姿勢、カメラの挙動、環境の変化を記録し、Object KV Cache は物体単位の履歴表現を使い回す。

もう一つ、Error Bank という設計は単独で触れる価値がある。代表的な失敗状態を保存し、訓練時に正常な履歴と並べて再生することで、いったん世界の状態から外れたモデルでも戻れるようにする。公式が示す内部の段階評価では、長時間の輝度ドリフト指標が 0.201 から 0.129 へ下がり、35.8 パーセントの改善、29 本の長い系列のうち 20 本で改善が見られ、内部評価で attention sparsity を 90 パーセント以上にしたという。いずれも提供側の内部評価であり、第三者が再現した結果ではない。

企業向けの提供と API

開発者は開放基盤を通して PixVerse に届く。ドキュメントは映像出力が 1080P まで対応し、高速な経路では平均およそ 10 秒で描画が終わり、最短 5 秒と記す。土台は完全に自社の動画基盤モデルだと説明し、利用者は 1 億人を超える作り手と企業、175 か国に及ぶとする。インターフェースはテキストから、画像から、効果、リップシンク、転換、延長、カメラワーク、音、融合、衣装替え、動きの制御までを覆う。

自社モデルだけでなく、外部のモデルも同じ作業空間に入る。モデル一覧には画像も映像も含めて五つ並ぶ。そのうちの一つは 4 から 30 秒の長さに対応し、参照モードでは最大 50 個の参考素材、内訳は画像 30 枚、映像と音声が各 10 本まで受け付ける。並べて置くことは、どのモデルを選ぶかという判断そのものを基盤内の比較に変える。

ゲームと対話型の娯楽

同じ告知は R1 をゲームへも広げる。ゲームエンジンの発想は、抽象的な仕組みと視覚表現を分けることだ。遊ぶ側は自然言語で関わり、世界は見た目でも振る舞いでも即座に応じる。あらかじめ書かれた選択肢に縛られない。同じ発表にはリアルタイムの対話配信も含まれ、AI が作る人物が視聴者の入力にその場で応じる。

いくつかの境界

15 秒と 1080p は V6 の1回の生成についての数字で、それより長い作品は複数段の組み合わせか延長機能で補うことになる。ランキングと分あたりの価格は、提供側が引用した外部データで、集計日は 2026 年 4 月 2 日と記され、価格は動くので購入前にその時点のページを確認したい。R2 のドリフト改善率と attention sparsity は内部の段階評価であり、外部の基準値ではない。商用利用の権利は購読プラン次第で、モデルのページは有料または顧客向けの内容を公開する前に自分のプランを確かめるよう促している。生成物は基盤の準則と現地の法令も守る必要がある。

まとめると、重ならない3本のラインだ。V6 は一度の生成を完成品として使えるようにする。15 秒、1080p、複数カット、音は最初から付き、画面比は事前に決める。C1 は映画級の制御を狙う。R1 と R2 は生成を、対話を続けられるリアルタイムの視聴覚世界へ押し出す。その下に十を超える能力を持つ API と、競合するモデルを横に並べて比べられる作業空間がある。