Tongyi Lab ha lanzado Wan-Streamer v0.2, un modelo de IA multimodal de extremo a extremo que alcanza un retraso de respuesta de 550 ms para la interacción cara a cara en tiempo real. Integra la capacidad de escuchar, ver, hablar y actuar en un único Transformer, con una resolución de vídeo mejorada hasta 640x368. La arquitectura de streaming permite un tiempo de procesamiento de 160 ms y es compatible con humanos digitales de cuerpo entero para aplicaciones como la tutoría y el asesoramiento.