O Tongyi Lab lançou o Wan-Streamer v0.2, um modelo de IA multimodal de ponta a ponta que alcança um atraso de resposta de 550 ms para interação cara a cara em tempo real. Ele integra audição, visão, fala e performance em um único Transformer, com a resolução de vídeo aumentada para 640x368. A arquitetura de streaming permite um processamento de 160 ms, oferecendo suporte a humanos digitais de corpo inteiro para aplicações como aulas particulares e aconselhamento.