Wan-Streamer：AI和你打视频电话啦！

告别机械感与高延迟！Wan-Streamer——面向实时双工交互的端到端全模态理解与生成模型，将“听、看、说、演”统一进单个 Transformer，模型能够持续倾听和回应，并实时生成同步的语音、视频与自由行为。 ✨ 三大核心突破： ⚡️ 极致低延迟：端到端响应仅需 550ms（200ms模型延迟 + 350ms网络延迟），对话如丝般顺滑。 🎬 画质大跃升：输出分辨率从 v0.1 的 192×336 提升至 640×368 @ 25FPS，微表情场景细节清晰可见。 🧩 全模态端到端：原生支持文本、音频、视频的实时理解与同步生成，无需外部模块拼装，架构更纯粹。 项目主页：wan-streamer.com/ 论文： v0.1: arxiv.org/abs/2606.25041 v0.2: arxiv.org/abs/2607.04443 v0.3: arxiv.org/abs/2607.15038 从“听懂”到“看懂”，再到“生动演绎”，戳视频看效果 👇 #Wan #视频通话