通义实验室发布 Wan-Streamer v0.2，端到端响应延迟仅 550ms
通义实验室发布 Wan-Streamer v0.2，这是一款将“听、看、说、演”统一进单个 Transformer 的端到端全模态模型。其端到端响应延迟仅 550ms，输出分辨率从 v0.1 的 192×336 提升至 640×368 @ 25FPS，并采用 Thinker-Performer 双通路架构在提升画质的同时维持了极低延迟。
AI视频 大事记
重要进展 IMPORTANT_PROGRESS
2023-07-10 — 2023-07-10
重要进展 · 第 67 / 86 页
AnimateDiff 为个性化图像扩散模型加入运动
AnimateDiff 通过可迁移的运动模块，使已有个性化文本图像扩散模型生成动画，减少为每个模型单独进行视频调优的需要。
AI视频 精选历史资讯
— · 5 条
精选资讯 · 第 1 / 2 页
Wan-Streamer v0.2 发布：端到端响应延迟仅 550ms，支持 640×368 实时视频对话
通义实验室发布 Wan-Streamer v0.2，端到端响应延迟 550ms（200ms 模型延迟 + 350ms 网络延迟），输出分辨率从 v0.1 的 192×336 提升至 640×368 @ 25FPS。
Google Vids 上线 Gemini Omni 与个人数字分身功能
Google Vids 推出两项更新：Gemini Omni 支持用户通过自然语言提示词和图片参考生成、逐步编辑高质量视频片段；个人数字分身功能允许用户上传自拍和语音录制后，输入文字即可让数字分身出镜。两项功能面向 Google AI Pro 和 Ultra 订阅者及 Google Workspace 商业客户开放，所有生成内容均含不可见的 SynthID 数字水印。
分类
排序
暂无内容