PixVerse 以自研影片基礎模型為核心，官網把模型分成三條線：V6 負責片段生成，C1 面向電影級製作，R1 指向即時互動世界。三條線的定位寫得很直白——V6 對應精準控制與原生藝術表現，C1 對應電影級控制與物理模擬，R1 對應高傳真的人像與動態美學。

V6：15 秒 1080p，聲音同一次生成

模型頁把能力拆成四條。第一條是 15 秒 1080p 生成：更長也更穩定的連續片段，意味著更少零散素材與手動拼接。第二條是原生多鏡頭，廣角、中景、特寫與轉場邏輯在一次生成裡就能給出較完整的敘事結構。第三條是原生音訊，對白、音效與環境音一起生成。第四條是畫幅比例控制，生成前就把 16:9、9:16 或其他分發畫幅定好。

四條放在一起看，V6 要解的是「一次生成能不能直接拿去發」，模型頁也提醒輸出設定要與渠道對齊。

文生與圖生的分工

常見問答寫得很清楚：V6 既支援按文字提示生成影片，也可以讓圖片產生動態。文生影片適合全新概念，圖生影片適合手上已有產品圖、角色設計、照片或視覺參考的情況。圖生影片很吃輸入品質，官方建議用主體清晰、邊緣易辨、構圖有力的圖片，並在提示詞裡說明鏡頭是推進、平移、俯仰、跟拍還是環繞；要保持角色一致，則靠每個鏡頭重複相同的身份錨點。

榜單數字與每分鐘價格

官網的模型對比區引用第三方圖生影片排行榜，頁面標注資料截至 2026 年 4 月 2 日。圖表裡 V6 的 ELO 是 1,343，API 價格為每分鐘 4.80 美元；同頁另有四個對照項：1,333 分對 4.20 美元，1,298 分對 13.44 美元，1,291 分對 9.00 美元，1,195.5 分對 18.00 美元。

兩點要說明：指標定義、取樣時間與各家報價都會變動，而且這是官方展示的第三方資料，做預算建議回到當期頁面核對。

C1 與工具矩陣

C1 的定位是面向電影製作的全棧創作引擎。圍繞模型，平台提供五類入口：網頁版負責常規影片創作；智能體透過對話把創作意圖轉成工作流，可以一次生成多個鏡頭；行銷中心面向廣告與電商，用引導式流程直接產出可投放的素材；Canvas 用可編輯圖譜把參考、提示詞、動作與成片連起來；CLI 則把提示詞、參考素材、輸出比例與批次任務放進終端。

工具層另有一批輕量入口，包括範本、口型同步，音效生成器、圖片局部編輯、魔力擴圖與影片擴展。

R1 與 R2：把生成變成可互動的世界

R 系列是更遠的一條線。官方公告寫明 R1 於 2026 年 1 月上線，稱之為即時世界模型，把影片生成從一次性輸出變成持續回應輸入的流；三個月後又為 R1 更新共享世界與個人化化身，讓多位使用者能即時進入並塑造同一個生成世界。

2026 年 8 月的研究文章解釋了 R2 的做法。常規長影片與即時生成框架通常要經過五段訓練流程，反覆的能力遷移會損耗生成品質與長時穩定性；R2 把流程合併成兩段：先把 Omni Causal AR 當統一世界模型持續預訓練，再把同一個因果基座直接蒸餾成即時模型，加速原則是加速而不重新學習。為了讓長時間執行的世界不丟失身份與場景，R2 用三條記憶通道分工——Sink Memory 保留角色身份、環境、風格與世界規則這類持久錨點，Rolling History 記錄近期運動、姿態、鏡頭行為與環境變化，Object KV Cache 重用物件級的歷史表示。

另有一個叫 Error Bank 的設計值得單獨提：它保存代表性的失敗狀態，訓練時與正常歷史一起回放，讓模型在偏離已進入的世界狀態之後仍能恢復。官方內部階段評測的數據是，長時亮度漂移指標從 0.201 降到 0.129、降幅 35.8%，29 條長序列中有 20 條出現改善；同一篇文章還提到 R2 在內部評測中把注意力稀疏度做到 90% 以上。這些數字屬於官方內部評測口徑，不是第三方復現結果。

企業能力與 API

面向企業與開發者，PixVerse 透過開放平台提供 API。官方文件寫明影片輸出支援到 1080P，並說明依托高速生成模型，影片平均約 10 秒完成渲染、最快可達 5 秒；文件還寫明其能力基礎是完全自研的影片基礎模型，平台已被超過 1 億創作者與企業使用、覆蓋 175 個國家。接口能力覆蓋文生影片、圖生影片、特效、口型同步、轉場、延長、運鏡與換裝等。

除了自家模型，同一個工作區也放進第三方模型，模型列表裡可以看到五個影像與影片模型。其中一個影片模型支援 4 到 30 秒時長，參考模式下最多可收 50 個參考素材，其中圖片上限 30 張、影片與音訊各 10 條。

遊戲與互動娛樂

官方公告還把 R1 延伸到遊戲與互動娛樂。遊戲引擎的思路是把抽象的遊戲機制與視覺表達分開：玩家用自然語言互動，世界在視覺與機制上即時回應，不受預先寫死的固定選項限制。同一批公告也宣布即時互動直播，由 AI 生成角色即時回應觀眾輸入。

幾條邊界

其一，15 秒與 1080p 是 V6 單次生成的口徑，更長的成片仍要靠多段組合或延長能力補齊。其二，榜單與每分鐘價格來自官方頁面引用的第三方資料，取樣時間標注為 2026 年 4 月 2 日，報價可能調整，採購前請以當期頁面為準。其三，R2 的亮度漂移降幅與注意力稀疏度都是官方內部階段評測結果，不代表第三方基準成績。其四，商用使用權取決於訂閱方案，官方模型頁明確提示團隊在發布付費或面向客戶的內容前應先確認自己的方案；生成內容也需遵守平台準則與相關法規。

一句話收尾：這輪的看點是把模型分成三條互不重疊的線——V6 用 15 秒 1080p、原生多鏡頭與原生音訊解決「一次生成即成品」，C1 面向電影級控制，R1 與 R2 把生成推進到可持續互動的即時視聽世界，再配上覆蓋十餘類能力的 API 與可橫向比較第三方模型的工作區。