Vincent | 信号＞噪音 (@VincentLogic) “🚨阿里巴巴发布实时视频语音模型：Wan Streamer 这不是普通数字人。 它更像是让你和 A” — TopicDigg
Vincent | 信号＞噪音
@VincentLogic
信号＞噪音 📡 Vincent Logic
每天挖真正好用的GitHub开源项目
专注AI工具 & 开发者效率
高密度干货，Zero fluff
加入 November 2024
380 正在关注 54.8K 粉丝
🚨阿里巴巴发布实时视频语音模型：Wan Streamer
这不是普通数字人。
它更像是让你和 AI 打一通“实时视频电话”：
你说话，它看着你听。
你打断，它能接住。
你表情变了，它也能反应。
半秒内接话，几乎没有冷场。
真正的重点是：
以前虚拟人是拼流水线：
语音识别 → 转文字 → 大模型思考 → 语音合成 → 表情驱动 → 视频生成
每一步都要排队，所以延迟高、互动僵硬。
Wan Streamer 直接把听、看、想、说、表情生成，塞进一个端到端大模型里。
一个 Transformer 直接处理实时音视频交互。
模型端响应约 0.2 秒，整体延迟约 0.55 秒。
这意味着 AI 不再只是“回复你”，而是开始像一个能实时交流的视频对象。
显示更多
