阿里发布实时多模态模型Wan-Streamer
anselm · x · 2026-07-11
阿里发布研究模型 **Wan-Streamer**，这是一个端到端的全模态理解与生成模型，面向实时双工交互。 ### 主要能力 - 一个模型同时完成**听、看、理解和回应**，并输出同步的语音与视频。 - 基于单个原生流式 Transformer，可实现约 **550ms** 的完整视频对话时延。 - 由于生成不依赖固定 avatar 骨架，模型可实时“化身”为多种对象：人类角色、宠物、动漫形象等。 ### v0.2 更新 - 分辨率提升到 **640×368**。 - 帧率 **25 FPS**。 - 模型侧时延降到约 **200ms**。