Kyutai 开源 AURA:滚动 KV 缓存+两阶段蒸馏实现低延迟音频驱动数字人
kyutai · hf · 2026-11-20
Kyutai 发布 AURA(AUdio-dRiven streaming Avatar),面向流式应用的低延迟因果视频生成模型。关键技术:滚动 KV cache 支持流式推理,配合两阶段蒸馏管线大幅减少扩散步数;论文含 5B 与 1.3B 两个规格,1.3B 可实时运行,作者团队含 Kyutai、ISIR/Sorbonne 与 Google DeepMind(Patrick Pérez),模型已在 Hugging Face 开源。
「多模态」频道最新
- 网友用 MiniMax H3 微调出赛博朋克写实人像,效果惊艳 — seppe0815 · 2026-11-21
- Qwen3 TTS 上线 Together AI:9 种声音、自然语言控语气、10 语言同声 — togethercompute · 2026-11-21
- 3DGS 对比点云渲染效果出色,下一步做碰撞表面重建 — jonstephens85 · 2026-11-21
- AI 视频展示 25+ 名人整形前后对比,被称年度最佳 — evisoft · 2026-11-21
- 受《理解漫画》启发的极简到写实人像过渡动画 demo — round · 2026-11-21
- Midjourney 风格码实拍感演示:蜘蛛侠照片级虚化质感 — sergeantsref · 2026-11-21