2026年7月，通义实验室正式发布新一代全模态交互模型Wan-Streamer v0.2。该产品采用单Transformer架构整合听、看、说、演全能力，端到端含网络传输的总响应延迟仅550毫秒，同时交互画质提升至640×368，彻底解决过往AI实时交互卡顿、声画不同步的痛点，可实现近乎真人的面对面交流体验。
在过往的AI实时交互场景中，多模型拼接的方案始终存在明显短板：语音识别、语义理解、内容生成、数字人渲染各模块串行传输，仅内部处理开销就超过400毫秒，叠加网络波动后，用户往往要等待1-3秒才能收到AI的反馈，卡顿、声画错位更是常态，几乎无法实现自然的双向交流。
登录后解锁全文，体验收藏、点赞、评论等完整功能
立即登录
滇公网安备 53252802528133号