NVIDIA清华等联合推出StreamEval:首个实时交互流视频生成基准
JaynitMakwana · x · 2026-11-03
NVIDIA、清华大学、CMU、UC Berkeley、普林斯顿联合 NUS 与 Reactor 推出 StreamEval，据称是首个针对交互式流视频生成模型的基准，评测模型能否在视频仍在生成时实时响应用户指令。
基准覆盖三大类任务：
- 数字人交互：AI avatar 能否在直播中对话并执行中途指令（如举手、改变动作）
- 世界生成：生成的世界能否响应指令，如驾船靠岸、控制镜头
- 实时视频编辑：能否只改一个指定元素（如物体颜色）而不破坏画面其余部分
基准包含五项任务（avatar 对话/表演、世界生成、指令编辑、参考编辑）、300 个 15–300 秒的脚本化场景、10 项指标。完全开源：评测代码、数据集（Hugging Face/ModelScope）和排行榜均已公开，厂商可通过 API 端点提交模型，榜单每月更新。已评测 38 个模型，初步结论：视觉质量与身份保持好，并不等于能可靠执行请求或维持状态一致性。
「多模态」频道最新
- UT Austin 等五校联合发布 LLM 驱动的智能体图形学综述 — UTEXAS · 2026-11-03
- 阿里淘天发布 TaoMate-FVSR:音频引导修复 AI 视频人脸细节 — TaoLiveAIGC · 2026-11-03
- 樱花树实拍转实时 3D,一周后盛开效果可在网页直接把玩 — janusch_patas · 2026-11-03
- 电影级 3D 废土机械铠甲角色提示词分享,附实测效果图 — azed_ai · 2026-11-03
- 用本地 3D 模型定机位生成等距 sprite，全程不调外部 API — chongdashu · 2026-11-03
- Krea 2 General Edit V2 实测遇冷：文生图优秀，图像编辑难达同等水准 — Far_Estimate7276 · 2026-11-03