阿里 TaoLive 发布 3 步 LoRA,MiniMax H3 实现实时流式音视频生成
linoy_tsaban · x · 2026-10-15
阿里巴巴 TaoLive AIGC 团队在 Hugging Face 发布 TaoMate-H3-FL2VA，官方称是首个实时流式的首尾帧控制生成音视频（FL2VA）模型。
- 基于 MiniMax H3，用 3 步 LoRA 实现分块流式去噪，音视频在同一时间轴上联合生成
- 支持 480p/768p/1080p 多分辨率，通过干净的音视频 KV 缓存实现长时生成的身份、声音与动作连续性
- 单节点 4/8 GPU（TP2 + Ulysses）即可推理，分块延迟低于完整 H3 请求
- 团队此前已于 9 月将 H3 迁移到 TaoMate 做 T2AV 流式生成，完整 FL2AV 与 Ref2AV 版本在路上
所属事件:阿里 TaoLive 开源 3 步 LoRA 实现实时流式音视频生成(2 条相关)→
「多模态」频道最新
- 开源视频追踪工具 ff-tracking 六天 407 星,社区玩法井喷 — PurzBeats · 2026-10-15
- 号称 Gemini 4 纯代码造出可摇晃的纽约雪花球，零素材全靠生成 — prasenx · 2026-10-15
- AI 电影史本周回顾：Firefly 视频、Veo 3.1 等里程碑 — DavidmComfort · 2026-10-15
- 网传 Argon 软糖视频是假的,实测对比 Opus 仍有优势 — socialwithaayan · 2026-10-15
- 一条 Prompt 让 Gemini 4 Argon 生成 iPhone 视角可漫步 3D 城市 — socialwithaayan · 2026-10-15
- Gemini 4 Argon 发布一天,3D 演示刷屏的十个代表案例 — socialwithaayan · 2026-10-15