研究解读 · 进化解读

Wan Streamer：边听边看边说话的实时 AI

模型侧响应约 200ms、总延迟约 550ms；v0.1 为 192p，另有真实联网对话录屏，但角色演示均为预录。
⚑
这是 Wan Streamer 官方发布页（厂商通稿）。文中的延迟、能力对比、「唯一」等定位措辞都出自官方，部分对比数字混合了不同测量边界，相关处已随文说明。
1这是什么

一个模型跑通实时音视频对话

通义万相（Wan）团队最近发布了 Wan Streamer v0.1，一个实时音视频交互模型。能实时对话的 AI 现在不少，但能一边看你的脸、一边听你说话、一边开口回应、自己还自带一张会动的脸的，几乎没有。Wan Streamer 把这件事压进了一个模型里。

原始资料与参考