До чего техника дошла

Alibaba представила AI-аватар для общения в реальном времени

Экспериментальная модель Wan Streamer v0.1 одновременно видит, слышит, думает, говорит и генерирует видео в формате стрима.

Это важный переход от концепции «говорящей головы, прикрученной к чат-боту» к настоящей аудиовизуальной интерактивной модели.

Ключевые технологические особенности:

Единая монолитная архитектура: Система не использует каскад из разных нейросетей (отдельно для распознавания речи, синтеза голоса, текстовой логики и генерации видео). Все процессы происходят одновременно внутри одной модели.

Полнодуплексный режим: ИИ способен синхронно воспринимать входящий видео- и аудиопоток от пользователя, анализировать контекст («думать»), отвечать голосом и генерировать собственное видеоизображение на ходу.

Рекордно низкая задержка: Время отклика составляет всего 200 миллисекунд. Это делает разговор плавным, живым и стирает ощущение задержки, свойственное старым генеративным моделям.

Технические параметры потока: Экспериментальная версия выдает картинку с частотой 25 кадров в секунду и базовым разрешением 192p. Данного разрешения достаточно для тестирования мимики и синхронизации губ цифрового аватара в реальном времени.