Meta 发布 Muse Realtime Avatar 研究博客：任意图片实时化为可对话化身
AIatMeta · x · 2026-09-24
Meta 发布 Muse Realtime Avatar 研究博客。核心要点：
- 能力：基于参考媒体（照片/插画/动物/物品）将任意形象带入实时对话，生成富有表现力的面部、手势与全身动作，外观与举止跨轮次保持连贯。
- 统一流式架构：Muse Realtime Voice 提供对话智能并产出携带内容与韵律的 speech token（VQ）流；音频解码器转成语音，Avatar 消费同一 token 流生成对应视觉表演，天然保持声画同步。
- 模型：音频驱动的 Diffusion Transformer，以语音 token 流、参考媒体和滚动窗口的近期视频 latent 为条件，以短因果块生成视频；每块生成的最新 latent 成为下一块的运动上下文，计算量有界，对话可无限延续。
- 配套推文串还披露 2 步蒸馏学生模型与盲测胜出商用系统的结果。
所属事件:Meta 发布 Muse Realtime Avatar 实时数字人(18 条相关)→
「多模态」频道最新
- Reddit 用户用 AI 生成分集短剧：异常体已删掉她父母，正在重写整座城市 — Crazy-Baker-8828 · 2026-11-12
- Runway 发布 27B MoE 世界行动模型 Praxis-1,Fast 版中位延迟仅 73ms — ChongZzZhang · 2026-11-12
- MiniMax H3 Image 生成 3D 游戏场景比 GPT Image 快 3 倍 — HeyToha · 2026-11-12
- Ditto 视频换人工具发布:任意视频主角可换成任何人 — yoobinray · 2026-11-12
- Fable 5.2 像素艺术+高斯泼溅惊艳出圈，网友晒生成效果图 — Flomerboy · 2026-11-12
- Reddit 用户分享 AI 生成动画《Bubblegum Adventures》万圣节特集 — Zard-Oz · 2026-11-12