数字人通话延迟再降 0.5 秒!单张 4090 就能部署,冲击 2 秒大关
又缩短了 0.5 秒,数字人视频通话延迟逼近 2 秒大关。
本期在开源数字人实时语音聊天框架基础上,从最后一块"积木"——数字人模型本身继续抠延迟:换上生成粒度更细的新模型,唇同步缓冲从 0.8 秒压到 0.35 秒;还原生支持双流倾听,你说话时它会用视线移动、头部微倾、倾听小表情做出反应,配合眨眼和呼吸感,"他在听"的感觉一下就出来了。
单张 4090 即可部署,方案全部公开。目标是继续寻找更好的开源数字人模型,把延迟真正打进 2 秒。
VoxEMW项目仓库:http://t.cn/AX9Eew9e
#微博vibelab##vibelife# @微博科技 @月之暗面Kimi http://t.cn/AXCBane0
发布于 河北
