阿里 TaoMate-HD:渐进分辨率自回归模型生成高清流式音视频
TaoLiveAIGC · hf · 2026-11-06
阿里集团 TaoLive-AIGC 团队与南京大学提出 TaoMate-HD，一个面向高清音视频流式生成的自回归模型，面向流式数字人场景：文本更新的同时持续输出语音并生成精细视频。
技术要点：每个短片段（chunk）先用两步去噪在低分辨率建立粗视频结构，最后一步细化到高分辨率，音频在同一路径中生成；各阶段将当前 chunk 的音视频预测传递给下一 chunk 的同阶段作为历史，跨文本更新保留历史以推断延续内容，避免语音重复或中断；并针对长时连贯输出做了并行部署优化。
「多模态」频道最新
- 作者复刻 GTA 6 插画风格:Magnific + Nano Banana 2.1 组合公式公开 — azed_ai · 2026-11-06
- 不用任何生成模型：Claude 写代码做出画面、音乐与音效 — azed_ai · 2026-11-06
- ComfyUI 显存难题:如何只把扩散模型全量塞进 GPU? — Rare_Subject2343 · 2026-11-06
- 用 CapCut PC 全 AI 流程做产品广告:延镜头、自动字幕、AI 修图 — JaynitMakwana · 2026-11-06
- 黑白霓虹影像《One Breath》：一镜漫游 12 座城市夜景 — Then-Creme9892 · 2026-11-06
- HeyGen 十月更新:自研语音模型登顶 Artificial Analysis 榜单 — HeyGen · 2026-11-06