阿里通义发布 WanStreamer WanStreamer：一个端到端实时交互基础模型，把“听、看、说、行动”整合进同一个 Transformer。核心要点：WanStreamer 用一个统一 Transformer 同时建模语言、音频和视频的输入与输出，并通过 block-causal attention 实现增量式流式生成。模型侧响应延迟约 200ms；加上约 350ms 网络延迟后，
0:49
阿里通义发布 WanStreamer WanStreamer：一个端到端实时交互基础模型，把“听、看、说、行动”整合进同一个 Transformer。核心要点：WanStreamer 用一个统一 Transformer 同时建模语言、音频和视频的输入与输出，并通过 block-causal attention 实现增量式流式生成。模型侧响应延迟约 200ms；加上约 350ms 网络延迟后，
1 天前
douyin.com米立AI
展开
静态缩略图占位符