4月3日消息,AI视频生成平台Pika Labs宣布,正式推出beta版"视频聊天技能"(Video Chat Skill),由全新实时模型PikaStream1.0驱动。这是行业内首个面向任意AI智能体开放的视频对话能力模块,标志着AI交互方式从纯文本/语音向实时视频面对面沟通迈出关键一步。
核心能力:不只是"能看见",而是"能记住、能适应、能执行"
根据官方披露,这项视频聊天技能具备3个核心特性。首先是记忆与人格保持,智能体在视频通话过程中能够持续维持自身的记忆上下文和人格设定,不会因为切换到视频模态而"失忆"或性格漂移。其次是实时适应性,模型支持对话过程中的动态响应,能根据用户的实时反馈调整表达方式和交互节奏。第三是智能体任务执行——当该技能与Pika自家的AI Self产品配合使用时,AI智能体可以在视频通话进行中同步执行agentic任务,实现"边聊边做"。
Pika官方在公告中强调:"对话在有面孔和声音的情况下往往进行得更好。"这句话点明了产品的设计逻辑——视频通话不是功能堆叠,而是为了降低人机交互的认知门槛,让用户与AI智能体的沟通更接近真实的人际对话体验。
PikaStream1.0:Pika首个实时推理模型
驱动这项技能的PikaStream1.0是Pika推出的首个实时模型,区别于此前以离线视频生成为主的Pika 2.5系列。从命名和功能定位来看,PikaStream1.0专为低延迟、高交互性的流式场景设计,需要在毫秒级别完成面部表情渲染、语音同步和上下文理解的并行处理。这意味着Pika的技术栈正式从"生成型AI视频工具"扩展到"实时交互型AI视频基础设施"。
与AI Self生态的衔接
Pika此前已推出AI Self产品线(pika.me),允许用户创建具有个人记忆、性格和外貌特征的持久化AI分身,并将其部署到Slack、Telegram、WhatsApp、Discord等平台。视频聊天技能的加入,本质上是为AI Self补上了"面对面交流"这一最高带宽的沟通通道。用户的AI分身不仅能在各平台回复文字消息,现在还能以视频形式与他人直接对话,同时在通话中执行任务操作。
竞品格局与行业影响
当前,AI视频通话赛道的玩家并不少。Google的Project Astra早在2024年就展示了多模态实时对话能力,OpenAI的GPT-4o也支持语音和视觉的实时交互。但Pika的差异化在于"面向任意智能体开放"——不是绑定在自家平台的封闭能力,而是作为可集成的技能模块,理论上任何第三方AI智能体都可以接入。如果这一开放策略落地,Pika有可能成为AI智能体生态中视频交互层的基础设施提供商。
不过,beta阶段的实际表现仍需观察。实时视频聊天对模型推理速度、带宽占用和表情自然度的要求远高于离线视频生成,PikaStream1.0能否在开放接入场景下保持稳定的体验质量,将是该产品能否从概念走向规模化应用的关键。