Lucy 2.5：提升实时 AI 的标准

2026年7月16日

更高质量的编辑、具备物理感知的视觉特效、更强的时间一致性，以及更低的延迟，全部以 30 FPS 实时生成。

‍Lucy 2.5 将实时 AI 编辑推向了前所未有的高度。Lucy 不只是一款更高质量的视频生成模型，更是一个实时系统，能够以 30 FPS 和 1080p 分辨率、近乎零延迟地改变视觉世界。每一帧都实时生成，持续响应运动、光照和不断变化的场景，从不依赖预先渲染的视频。

借助 Lucy 2.5，用户可以在视频仍处于实时流式传输状态时，无缝替换角色、更换服装、添加具有物理感知能力的视觉效果、变换整个环境、移除物体，并通过文本提示和参考图像精确编辑场景。编辑控制、时间稳定性和泛化能力方面的新进展，使这些变换比以往更加逼真、更加一致、也更加可靠。

— Decart 团队

更自然、更精确、更强大的编辑

General
- 我们使用了一个专用模型，将图像编辑传播到视频编辑
- 我们使用了与通用场景描述对齐的提示词，以增强涌现泛化能力
Fine control
- We used a coarse-to-fine prompting approach
  - 粗略——简单的编辑指令
  - 很好——关于位置、风格、颜色、大小等的细节。
VFX（视觉效果）得到改进。诸如粘液、沙子、水、火等元素。
全局风格支持在保留结构和身份的同时更改整个场景
支持移除功能

Lucy 2.5 大幅提升了通用编辑的泛化能力。通过将我们的训练提示词与通用场景描述对齐，我们绕过了僵化的指令集，转而采用深度、涌现式的泛化。我们将其与从粗到细的标题控制层级相结合，使用户能够用简单的高层级编辑指令引导模型，或深入到关于位置、风格、颜色和大小的精确、细粒度细节。

为实现这种级别的涌现能力，模型需要规模与复杂度在自然条件下并不存在的训练数据。为弥合这一差距，我们构建了一个大规模的视频编辑数据合成语料库。我们从海量高质量图像到图像变换的基础数据出发，使用内部训练的专用模型，将静态图像编辑传播到完整视频序列中。该流水线有效地将单帧修改转化为丰富且时间一致的视频编辑对，用于训练我们的模型。

因此：

VFX 在物理上表现自然：流水、火焰、流沙和黏稠泥浆等易变且复杂的元素在环境中自然地相互作用。
世界可进行全局变换，场景可重新设定主题：整段视频的美学风格可以被彻底重新构想。用户能够转换场景的基本设定，例如将阳光明媚的城市街道变为霓虹赛博朋克反乌托邦，同时严格保留原始主体的底层结构、几何形态与身份特征。
主体可被无缝替换：当用一个物体替换另一个物体时，模型能够理解原始的体积空间，确保新元素与现有的接触点、阴影和物理交互相匹配。
物体可被干净地移除：当某个元素被擦除时，模型会自然地重建新暴露出的背景几何结构，并且在时间上保持一致。

‍

始终锁定的编辑

Lucy 2.5 引入了自锚定（Self-Anchoring）。在流式生成开始不久，模型会截取自身生成输出的一个快照，作为新的参考；该快照已经反映了编辑在实际场景、实际光照、构图和运动下的实现效果。由于锚点来自模型自身的分布，引导信号在整个 rollout 过程中保持清晰且信息丰富，而不会像自回归模型中常见的误差累积那样逐渐发散。重要的是，由于我们还在模型于推理时面对的相同自锚定条件下对其进行训练，它学会的不仅仅是将自身输出作为参考来容忍；它学会的是利用它。
因此：

编辑效果会持续保留。在直播开始的最初几秒内完成的角色替换或服装更换，几分钟后仍然保持不变。
身份在运动中保持稳定。主体可以离开画面、转身并返回，而编辑效果不会消散或变形。
稳定性会累积增强，而非逐渐衰减。结合 Smart History Augmentation，直播流能在显著更长的时间跨度内保持身份、几何结构和纹理。

比以往更快：推理栈背后的技术

实时性能是一个不断变化的目标：模型能力的每一次提升，都会抬高对其底层技术栈的要求。为了进一步降低延迟，我们从三个关键方面改进了此前的推理栈：

低精度量化。我们采用多种自定义量化技术，以 MXFP8 和 NVFP4 进行推理，借助原生硬件支持，在计算受限的操作上实现最高 4 倍的加速。
动态稀疏注意力。注意力机制在我们的 Transformer 前向传播中占主导地位，因此我们开发了一种自定义稀疏注意力算法，并配以量身定制的内核。它动态识别每次注意力调用中哪些计算是冗余的，并在不损失模型精度的情况下将其剪除。
更深入的内核融合。更激进的融合和改进的 megakernel 让我们更好地利用整个芯片，进一步降低启动开销和代价高昂的 HBM 事务，这些在低延迟推理中至关重要。

这些优化建立在我们现有的基础之上，使我们能够在保持模型质量不受影响的同时持续提升性能。

真实世界应用

Lucy 2.5 开启了新一代实时交互体验。由于每一帧在生成过程中都保持可编辑，实时视频成为一种动态媒介，能够持续适应用户、受众和情境。

借助 Lucy 2.5：

商业：购物通过实时虚拟试穿和个性化产品体验变得更具互动性。
广告：通过实时本地化、个性化和创意适配，一则广告可以衍生出无限多的变体。
流媒体：主播解锁与社区互动的新方式，让观众能够实时影响体验。
游戏：游戏突破屏幕界限，将互动玩法与物理世界无缝融合。

无论你是在构建商业、广告、娱乐、游戏还是媒体的未来，Lucy 2.5 都能将 Live AI 转化为你的下一个商业优势。

探索 Lucy

体验 Live AI