Xmax X2.1 transforme les personnages et les décors pendant que la caméra filme

Xmax X2.1 annonce la transformation vidéo en direct jusqu'en 1080p, avec changement de personnages, de vêtements et de décors à 0,0016 $ par seconde.

Changer le visage d'un personnage pendant une diffusion en direct, remplacer instantanément ses vêtements ou transformer complètement le décor sans interrompre la vidéo. C'est le type d'interaction proposé par Xmax X2.1, la nouvelle version du modèle de génération vidéo en temps réel développé par Xmax AI. L'entreprise annonce une amélioration de la qualité visuelle jusqu'en 1080p, sans augmentation du tarif affiché, fixé à 0,0016 dollar par seconde.

Contrairement aux générateurs vidéo traditionnels, qui produisent des séquences après plusieurs secondes ou minutes de calcul, Xmax cherche à transformer un flux vidéo pendant sa diffusion. Les images entrantes sont traitées en continu, avec la possibilité de modifier les personnages, les objets et l'apparence de l'environnement à partir d'instructions ou de références visuelles.

Cette approche s'adresse particulièrement aux plateformes de streaming, aux expériences sociales, au commerce en ligne et aux applications interactives. Une génération vidéo qui suit les mouvements en direct

La principale différence d'Xmax réside dans son fonctionnement en continu. Le modèle ne se contente pas de créer un clip à partir d'une consigne : il reçoit un flux provenant d'une caméra ou d'une vidéo et génère une nouvelle image à mesure que la scène évolue.

L'objectif est de conserver la continuité des gestes, des expressions et des déplacements, même lorsque l'apparence du sujet est profondément modifiée.

Dans les démonstrations de l'entreprise, une personne peut être remplacée par un autre personnage tout en conservant les mouvements de son corps. Ses expressions, son regard et ses gestes servent de base à la nouvelle représentation.

Le système peut également modifier l'environnement autour du sujet, en conservant la relation entre les mouvements de la caméra et les éléments présents dans la scène.

Xmax parle de re-rendering : le flux vidéo devient une source de mouvements et d'informations visuelles que le modèle réinterprète en permanence.

Cette distinction rapproche la technologie des filtres vidéo et des systèmes de réalité augmentée, mais avec des transformations génératives beaucoup plus importantes que de simples effets superposés. Visages, vêtements et coiffures modifiables séparément

Avec X2.1, Xmax revendique une meilleure précision dans la sélection des éléments à transformer.

Il devient possible de remplacer un personnage entier, mais aussi d'intervenir sur des caractéristiques plus spécifiques : visage, tête, coiffure, vêtements, couleurs ou arrière-plan.

Le changement de tenue constitue l'un des usages mis en avant. À partir d'une référence visuelle, le système cherche à appliquer un vêtement à une personne filmée, en conservant sa posture, ses mouvements et les conditions lumineuses de la scène.

Cette fonctionnalité intéresse particulièrement le commerce en ligne, où un mannequin pourrait présenter plusieurs tenues sans multiplier les prises de vue.

Elle peut également servir au virtual try-on, qui permet à un utilisateur de visualiser un vêtement sur son propre corps.

Les démonstrations ne permettent toutefois pas d'établir la fidélité exacte du tombé des matières, des tailles ou des coupes. Une transformation vidéo convaincante n'équivaut pas nécessairement à une simulation textile suffisamment précise pour garantir le rendu réel d'un produit. Des effets visuels modifiés pendant la diffusion

Xmax X2.1 étend également ses capacités aux effets visuels génératifs.

Un utilisateur peut ajouter, retirer ou remplacer certains éléments d'une scène, modifier son ambiance ou transformer intégralement son esthétique.

L'entreprise illustre plusieurs catégories d'interactions dans son environnement logiciel.

CharX concerne le remplacement de personnages, ClothX les changements de vêtements et VibeX la transformation globale du style visuel.

D'autres fonctions, comme DimX, permettent d'introduire des personnages virtuels dans un environnement réel. MoX repose sur des interactions tactiles : l'utilisateur peut déplacer ou animer certains éléments en dessinant une trajectoire directement sur l'écran.

Ces fonctions prolongent les capacités déjà présentées avec Xmax X2.0. La nouvelle version est surtout annoncée comme une amélioration de la qualité, du réalisme et du respect des instructions.

L'entreprise ne publie pas, dans sa communication de lancement, de benchmark indépendant quantifiant la progression de X2.1 sur ces différents critères. Le 1080p annoncé sans augmentation de prix

Xmax met en avant une résolution de sortie 1080p, alors que les expériences de génération vidéo interactive doivent généralement composer avec des contraintes importantes de calcul et de transmission.

Le tarif revendiqué reste fixé à 0,0016 dollar par seconde, soit environ 0,096 dollar pour une minute et 5,76 dollars pour une heure de génération continue, hors éventuels frais complémentaires.

À la seconde · À la minute · À l'heure 0,0016 $ · 0,096 $ · 5,76 $

Montants calculés à partir du prix annoncé par Xmax, pour une session facturée en continu.

Un point mérite toutefois d'être distingué : la documentation publique consultable présente encore des paramètres et des limites correspondant à X2.0, notamment une résolution cible d'environ 1,28 million de pixels par image. La prise en charge effective du 1080p par X2.1, selon le format et le mode de diffusion, reste donc à confirmer dans les spécifications techniques actualisées.

Il en va de même pour la latence de bout en bout. La documentation explique que celle-ci dépend non seulement du calcul du modèle, mais aussi des connexions montantes et descendantes utilisées pour transmettre la vidéo. Aucun résultat indépendant ne permet encore de garantir une latence identique sur tous les réseaux et appareils. Un modèle propriétaire plutôt qu'un assemblage de services vidéo

Xmax se présente comme un développeur de modèles spécialisés dans la transformation vidéo interactive. Ses précédentes versions reposent sur une infrastructure de génération capable de