Wan-Streamer v0.2 ofrece un chat de IA con latencia ultrabaja
A medida que la tecnología moderna avanza rápidamente, la interacción entre humanos e inteligencia artificial se vuelve más común. Las videollamadas tradicionales a menudo luchan con retrasos, demoras y desincronización audiovisual. Wan-Streamer v0.2, la última versión de Tongyi Lab, supera estos desafíos por completo, permitiendo una comunicación "cara a cara" verdaderamente natural con un retraso de respuesta de solo 550 milisegundos.
Wan-Streamer v0.2 es un nuevo modelo de comprensión y generación multimodal de extremo a extremo. Integra "escuchar, ver, hablar y actuar" dentro de un único modelo Transformer, lo que permite que la IA perciba y responda a las conversaciones en tiempo real, al igual que los humanos. Esto significa que, ya sea por voz, texto o video, la IA puede comprender y generar respuestas apropiadas al instante.

En comparación con otros sistemas interactivos en tiempo real disponibles en el mercado, Wan-Streamer demuestra una excelente velocidad de respuesta, con una latencia total de solo 0,55 segundos (incluida la transmisión de red), significativamente más rápido que la mayoría de los modelos de diálogo por voz existentes. Además, su calidad de video ha mejorado considerablemente, con la resolución que aumenta de 192×336 a 640×368, lo que hace que los detalles de la escena sean más visibles.
Este avance tecnológico proviene de su diseño de arquitectura único. Los sistemas interactivos en tiempo real tradicionales suelen adoptar un modo de canalización en cascada, lo que lleva a una transmisión lenta de información y problemas fáciles de sincronización. Wan-Streamer introduce el concepto de unidades de transmisión, lo que le permite completar la percepción de la entrada del usuario, las actualizaciones de estado y la generación de respuestas en 160 milisegundos, logrando así una interacción fluida.
En esta versión, la IA no es solo una "cabeza flotante", sino un humano digital de cuerpo completo capaz de expresar emociones y acciones de manera natural. Puedes ver el contacto visual, la postura y los gestos de la IA, así como su entorno circundante. Este diseño hace que los usuarios se sientan más realismo y calidez al interactuar con la IA.
Además, los escenarios de aplicación de Wan-Streamer v0.2 son muy amplios, incluyendo práctica de idiomas hablados, asesoramiento psicológico, tutoría educativa, interacción con NPCs en juegos y más, cubriendo casi todos los campos que requieren un sentido de presencia.
En resumen, Wan-Streamer v0.2, mediante la combinación de una arquitectura de transmisión nativa y inferencia distribuida, hace que la comunicación de la IA se acerque más a la interacción humana real. Cómo se desarrollará aún más esta tecnología es algo que merece nuestra continua atención.
Artículo relacionado
Meta quiere que tu próximo gadget esté impulsado por Muse
El asistente de inteligencia artificial de Meta, Muse, que se encarga de reservas de viajes, envío de formularios y compras, ha ganado una amplia adopción, pero una nueva iniciativa puede interesar especialmente a desarrolladores y entusiastas del ha
Meta se une a TSMC y Micron para equipar nuevos servidores con memoria antigua
A medida que la adopción de la inteligencia artificial se acelera en todo el mundo, la memoria DDR5 de próxima generación está experimentando una grave escasez de suministro. Para evitar retrasos en los despliegues de centros de datos de IA, Meta ha
Cómo las bases de datos de series temporales impulsan los datos de robótica en tiempo real
Doug Pagnutti de Tiger Data.Pagnutti actúa como defensor del desarrollo industrial en Tiger Data, apoyando a equipos en la construcción de sistemas industriales del mundo real.Con más de 12 años de experiencia en petróleo y gas y automatización de fa
Recomendaciones de temas especiales relacionados
comentario (0)
0/500
A medida que la tecnología moderna avanza rápidamente, la interacción entre humanos e inteligencia artificial se vuelve más común. Las videollamadas tradicionales a menudo luchan con retrasos, demoras y desincronización audiovisual. Wan-Streamer v0.2, la última versión de Tongyi Lab, supera estos desafíos por completo, permitiendo una comunicación "cara a cara" verdaderamente natural con un retraso de respuesta de solo 550 milisegundos.
Wan-Streamer v0.2 es un nuevo modelo de comprensión y generación multimodal de extremo a extremo. Integra "escuchar, ver, hablar y actuar" dentro de un único modelo Transformer, lo que permite que la IA perciba y responda a las conversaciones en tiempo real, al igual que los humanos. Esto significa que, ya sea por voz, texto o video, la IA puede comprender y generar respuestas apropiadas al instante.

En comparación con otros sistemas interactivos en tiempo real disponibles en el mercado, Wan-Streamer demuestra una excelente velocidad de respuesta, con una latencia total de solo 0,55 segundos (incluida la transmisión de red), significativamente más rápido que la mayoría de los modelos de diálogo por voz existentes. Además, su calidad de video ha mejorado considerablemente, con la resolución que aumenta de 192×336 a 640×368, lo que hace que los detalles de la escena sean más visibles.
Este avance tecnológico proviene de su diseño de arquitectura único. Los sistemas interactivos en tiempo real tradicionales suelen adoptar un modo de canalización en cascada, lo que lleva a una transmisión lenta de información y problemas fáciles de sincronización. Wan-Streamer introduce el concepto de unidades de transmisión, lo que le permite completar la percepción de la entrada del usuario, las actualizaciones de estado y la generación de respuestas en 160 milisegundos, logrando así una interacción fluida.
En esta versión, la IA no es solo una "cabeza flotante", sino un humano digital de cuerpo completo capaz de expresar emociones y acciones de manera natural. Puedes ver el contacto visual, la postura y los gestos de la IA, así como su entorno circundante. Este diseño hace que los usuarios se sientan más realismo y calidez al interactuar con la IA.
Además, los escenarios de aplicación de Wan-Streamer v0.2 son muy amplios, incluyendo práctica de idiomas hablados, asesoramiento psicológico, tutoría educativa, interacción con NPCs en juegos y más, cubriendo casi todos los campos que requieren un sentido de presencia.
En resumen, Wan-Streamer v0.2, mediante la combinación de una arquitectura de transmisión nativa y inferencia distribuida, hace que la comunicación de la IA se acerque más a la interacción humana real. Cómo se desarrollará aún más esta tecnología es algo que merece nuestra continua atención.
Meta quiere que tu próximo gadget esté impulsado por Muse
El asistente de inteligencia artificial de Meta, Muse, que se encarga de reservas de viajes, envío de formularios y compras, ha ganado una amplia adopción, pero una nueva iniciativa puede interesar especialmente a desarrolladores y entusiastas del ha
Meta se une a TSMC y Micron para equipar nuevos servidores con memoria antigua
A medida que la adopción de la inteligencia artificial se acelera en todo el mundo, la memoria DDR5 de próxima generación está experimentando una grave escasez de suministro. Para evitar retrasos en los despliegues de centros de datos de IA, Meta ha
Cómo las bases de datos de series temporales impulsan los datos de robótica en tiempo real
Doug Pagnutti de Tiger Data.Pagnutti actúa como defensor del desarrollo industrial en Tiger Data, apoyando a equipos en la construcción de sistemas industriales del mundo real.Con más de 12 años de experiencia en petróleo y gas y automatización de fa





Hogar






