9月8日，智象未来（HiDream.ai）研发的内容创作智能体 vivago R1 正式面向全球用户上线，国内版本 「够搭」 同步完成升级发布。这距离 vivago R1 在今年7月世界人工智能大会上的首次公开亮相仅过去不到两个月，彼时，它以“全球首个无限时长内容创作智能体”的标签引发行业广泛讨论，如今，vivago R1以正式产品的姿态，向全球创作者兑现了当初的技术承诺。
时长不是目的，叙事才是
vivago R1 给行业带来的最直接冲击，在于它对“时长”这一维度的重新定义。当前AI视频生成的主流能力，仍停留在Sora所代表的15至30秒片段式生成阶段。而 vivago R1 实现了一次性稳定输出5分钟高质量视频的跨越，并支持无限次多轮延长，将创作单元从“镜头”提升至“段落”乃至“全片”。
但 vivago R1 的产品逻辑不止于时长的简单拉伸，真正的难点在于一部多镜头、多角色、多场景的视频，如何在数分钟的叙事跨度中保持逻辑自洽、角色统一与风格连贯。vivago R1 的解法是通过其 Agent 系统对长任务进行全局规划与动态调度，主 Agent 负责理解并拆解用户的创意意图，多个子 Agent 分别承担脚本撰写、分镜设计、角色塑造、场景构建与音效匹配等细分任务，确保各段落之间的角色形象、场景风格与叙事节奏高度统一。
这一过程依托智象自研的 HD-AgentOS 全流程调度与治理能力，该系统将 vivago R1 的内容有效可用成功率提升至85%，显著降低了AI视频创作中常见的反复“抽卡”现象。与此同时，vivago R1 在跨镜头角色一致性和场景过渡自然度方面做了深度优化，有效改善了AI视频中容易出现的“塑料感”与“瞬移感”，让运镜衔接与音画对齐更接近真实拍摄的质感。
对话优先，隐复杂于简洁背后
在当前的AI视频工具生态中，产品路线逐渐分化。一类是面向高阶用户的画布式、节点式工作流，用户需要自行连接和调试各类模型与参数，灵活性高但门槛不低。vivago R1 则选择了另一条路径，Chat-First（对话优先）。
这一选择基于一个朴素的产品洞察：对话是人类最本能的表达方式，也应当是AI最友好的交互界面。用户无需面对复杂的节点和参数，只需用自然语言描述创作意图，vivago R1 便能自动进入生成流程，并支持在持续对话中根据用户反馈进行迭代调整。
这种“对话即创作”的体验，背后是智象未来“做后”与“做厚”的双重产品原则。“做后”，是将专业创作者的审美判断与行业经验编码进 Agent 的编排能力，形成坚实的中后台支撑，“做厚”，则是构建 SkillHub 能力库，将抽象的AI能力转译为产品广告、角色视频、故事短片、品牌内容等真实创作场景，让用户能够清晰感知工具能做什么、从哪里开始。在完整流程中，用户只需表达目标，Agent 负责拆解和执行，SkillHub 作为翻译层自动匹配并编排所需的 Skill 组合，将用户意图转化为可执行的任务序列。
简言之，vivago R1 的对话式创作并不是把复杂性消灭，而是把复杂性隐藏在简洁背后，它将创作从“灵感闪现”到“进入执行”的路径，缩短到只剩下一句话。
全模态理解，让创作围绕同一项目持续推进
视频创作中另一个长期存在的挑战是一致性问题，同一个角色、同一种声音，如何在数十个镜头、多次生成与转换中始终保持一致。智象未来的技术路径，是以基础模型与智能体系统双轮驱动，共同支撑复杂视频创作。
在基础模型层面，智象未来自研的原生全模态世界模型，为 vivago R1 提供了多模态理解与生成的底层能力。它能够将文本、图片、视频、参考资产、文档说明以及历史创作结果纳入同一任务语境，使 Agent 能够理解“任务全貌”，而非孤立的单点指令。用户可以“说不清的直接给”素材，vivago R1 会在统一的上下文中进行理解、组织与执行。
在智能体系统层面，Agent 负责将模型能力组织为可持续推进的创作流程，在脚本、分镜、角色、场景、镜头与音效之间进行规划与调度，确保复杂叙事中的角色形象、声音特征与风格保持一致。配合新推出的资产库功能，用户在创作过程中生成并认可的内容可以被系统性地沉淀与复用。一次创作不再是一次性的输出，而会成为下一次创作的基础素材。
基础模型决定了能力上限，智能体系统则负责将能力转化为稳定、可控、可复用的作品交付。两者的协同，让AI创作从“一次次孤立生成”走向“围绕同一项目持续推进”。
创作者用作品说话：从《西游记》到商业广告
在 vivago R1「够搭」沉浸式工作坊活动现场，来自全球的创作者们通过线上线下的方式，分享了他们的使用体验与创作成果。
近期引发热议的AI版《西游记》，成为现场创作的一个经典样本。一位创作者使用 vivago R1 尝试了这一题材的再创作，生成了近5分钟的西游题材作品。从角色造型到场景氛围，再到东方奇幻质感的呈现，vivago R1 对经典文本的视觉转译能力得到了直观验证。
在真人质感方面，vivago R1 同样表现出色。现场展示的一支励志短片，讲述了体育老师周岚从迟疑到重新出发的故事。画面中奔跑时的肌肉震颤、汗水光泽，以及脚步压过塑胶跑道的颗粒质感均被细腻还原，让角色的情绪变化更具真实感染力。创作者提交提示词后，vivago R1 自动理解人物关系、情绪转折与动作节奏，生成对应角色、场景与关键画面，创作者仅需通过对话补充想法即可推进内容生成。
在商业广告场景中，vivago R1 也展现出较强的适配能力。一则红色折叠手机广告案例中，vivago R1 根据提示词理解产品、人物与场景关系，生成了手机多视图、女设计师造型、工作室与户外生活场景，以及包袋、色卡、草图等视觉资产，完整呈现了从创作、出行到回归设计的日常灵感流动。
多位海外创作者也通过线上连线分享了使用体验。一位创作者表示：“视频创作的终点，就是一次表达。”这正是许多 vivago R1 用户的共同感受，当复杂流程被隐藏在对话之后，创作者可以更专注于表达本身。
CHATS™：为视频 Agent 建立可衡量的交付标准
当AI视频产品真正进入专业创作场景，行业需要的便不再是零散的能力清单，而是一套可衡量、可依赖的交付标准。基于 vivago R1 在真实创作场景中的实践验证，智象未来提炼出一套面向视频 Agent 的评估框架CHATS™，用以衡量一个视频 Agent 是否具备真正的作品交付能力，其中C（Consistency）指的是一致性，让角色、场景、风格在多镜头中保持稳定；H（Human Intent）指意图理解，准确理解用户创意，并能在多轮对话中持续推进；A（Audio & Visual）表示视听完整度，不仅生成画面，也能组织声音、节奏与整体视听体验；T（Timeline & Tale）代表时间线与叙事，让故事在多个镜头与段落中持续成立；S（Stability）则是稳定交付，降低反复生成与返工成本，提高内容可用率。
这五个维度经过vivago R1在大量真实创作场景中的反复验证，智象未来希望通过构建这一用户视角的评估标准，来推动AI Agent行业朝着更好的方向发展。
创作终将继续，对话永不停歇
回顾以往，2024年5月vivago.ai 上线，成为全球最早一批公开可用的AI视频生成产品；2025年5月，vivago.ai 登顶 Product Hunt 日榜第一。如今，vivago.ai全球用户突破7000万，短短两年时间，智象未来高效完成了从“可用”到“单反级交付”的跨越式进阶。
据了解，vivago R1 中的“R”承载着双重含义：一是 Reasoning（推理），用深度推理将灵感转化为作品；另一方面也代指Rock（摇滚），向无惧挑战的创作精神致敬。可以这样说，只要对话还在继续，那么一幕幕精彩的故事就永远不会停下脚步。
