流式实时音频驱动头像生成,无限长度
Live Avatar 是一个算法-系统协同设计的框架,能够实现实时、流式、无限长度的交互式虚拟形象视频生成。基于一个 14B 参数的扩散模型,它在 5×H800 GPU 上使用 4 步采样时能达到 20 FPS,并支持块状自回归处理,可生成超过 10,000 秒的流式视频。
注:实例启动后,需要等待3分钟加载模型! 默认启动是单卡,并不能做到流式输出。可尝试多卡部署后,换用多卡命令启动。