IT之家
07-18 07:05
阿里通义实验室发布 Wan-Streamer v0.2 模型，AI 视频电话响应延迟仅 550ms
📌 一句话：阿里发布Wan-Streamer v0.2模型，将AI视频电话响应延迟压缩至550ms，实现近乎实时的交互体验。
💡 3个要点
延迟破纪录：550ms端到端延迟比现有方案快数倍，首次将AI视频通话带入"准实时"时代
专为视频场景优化：模型针对语音、视频流同步处理，可支撑多轮对话和情绪识别
技术积累体现：基于通义千问系列模型研发，展现阿里在端侧AI加速的核心能力
📖 背景
AI视频交互长期受困于高延迟，从语音识别到模型推理再到语音合成，每个环节都在"拖后腿"。此前业内方案的延迟普遍在1-2秒甚至更高，用户体验更像"打电话给机器人"而非自然对话。
💭 点评
550ms意味着AI终于能"接住"人类的对话节奏，不再是慢半拍的尴尬存在。这不只是技术指标的胜利，更标志着实时AI交互从概念走向成熟。不过延迟只是起点，最终决定成败的还是AI本身的智商和情商。
📡 来源：IT之家
📖 原文链接
点击阅读原文 →