Atmee 发布 Atmee v2 实时虚拟形象模型,面向实时视频智能体

Atmee 发布了 Atmee v2,这是一款实时虚拟形象模型,仅需一张图像和 10 秒音频即可创建任意角色。该模型运行速度比 Seedance 2.5 和 Wan 3.0 等视频模型快至多 50 倍,成本低 10-100 倍,并支持实时视频通话、纯语音交互和视频生成。
事件版本 1.
Key insights
以最少输入创建角色
Atmee v2 仅需一张图像和 10 秒音频即可创建任意角色。该模型可生成符合情境的表情、手势以及与环境的交互。
与视频模型相比的速度和成本
Atmee v2 的运行速度比 Seedance 2.5 和 Wan 3.0 等视频模型快至多 50 倍,成本低 10-100 倍。在相同图像、相同提示词的对比中,Seedance 2.5 耗时 233.6 秒,成本 0.50 美元,而 Atmee v2 仅耗时 3.5 秒,成本约一美分。
跨应用的实时虚拟形象演示
一场实时脱口秀演示中,两个 Atmee v2 虚拟形象从 1:22 开始进行实时且无脚本的对话。移动端演示包括音乐播放器中的个人 DJ、可对话的艺术作品、数学应用中的卡通动物导师、机器人形状的个人助理、3D 游戏角色以及健身应用角色。
连续场景生成实验
一项实验以台北的一条小巷作为起始图像,使用同一个 Atmee v2 模型连续、实时且可控地生成场景。失真和伪影仍然存在,该实验指向一个具有逼真智能体的智能体世界模型。