有个AI直播实验挺有意思。
直播画面正在播放，评论区里有人随手打了一句：“下点雪。”没过多久，画面里的场景真的开始下雪。换一个人说想看别的地方，后面的内容也会跟着变。
这已经不太像我们熟悉的直播了。平时进直播间，观众能做的事无非是发弹幕、点歌、送礼物，最多投票决定主播接下来干什么。现在，弹幕里的那句话有机会直接变成画面，观众手里像是突然多了一点“导演权”。
这套玩法背后用到的是H3 Max。它基于MiniMax开源的视频模型H3继续做了优化，最值得注意的不是画面又清晰了多少，而是速度。fal Research公布的信息显示，H3 Max生成5秒视频可以压到3秒以内。
做过AI视频的人应该知道，这个速度意味着什么。一段几秒钟的画面，等几十秒生成很常见。剪视频时等一等没太大问题，直播间却等不起。观众刚说完想看什么，几分钟以后才出现，那股参与感早就过去了。
现在生成时间被压下来，事情就有了变化。前面的画面还在播，系统可以继续生成后面的内容，评论区里新冒出来的想法，也有机会被接进去。直播内容不一定从头到尾都提前准备好，而是在播放过程中慢慢长出来。
这也是这件事真正有意思的地方。AI视频过去更多是制作工具：写一句提示词，传张图片，生成一段素材，再从里面挑能用的。放到直播里，它开始变成一种互动方式。
想象一下，一个主播只负责搭好故事的开头，角色走到十字路口后，往左还是往右由评论区决定；有人喊去海边，有人想去火星，接下来的画面就顺着观众的选择继续生成。这样的直播，和看一段提前录好的视频已经是两回事了。
离真正稳定使用还有一段路。人物播久了会不会变脸，场景前后能不能接得住，几百个人一起发指令时到底听谁的，这些问题都摆在那里。
可直播的边界已经开始松动了。主播负责开场，观众不只是围观，故事往哪走，也许真的能由直播间里的人一起决定。
