通義実験室、AI 対話システム「Wan-Streamer v0.2」を公開し応答遅延550msを実現

記事の3ポイント

1. 1

   極低遅延の実現

   通義实验室はWan-Streamer v0.2において、モデル側遅延200msとネットワーク遅延350msを合計したエンドツーエンド応答遅延を約550msに抑えたと発表した。

2. 2

   画質の大幅向上

   出力解像度がv0.1の192x336から640x368@25FPSへ引き上げられ、微表情や背景の詳細が視認可能になったと通義实验室は説明している。

3. 3

   原生流式アーキテクチャ

   同社は従来の「音声認識→大モデル→音声合成」の級联パイプラインを廃し、160msごとのストリーミングユニットで感知・理解・生成を同期させる構造を採用したと発表した。