AVTR-1 是一个基于流匹配（flow-matching）的自回归模型，专为实时对话场景设计。 给它一张人物肖像图和双流音频（自己说的话 + 对方说的话），它就能在单张 GPU 上以 25fps 的帧率，实时渲染出一个唇形同步、会点头皱眉、做出“正在听”微表情的虚拟人。

用一张照片加音频实时生成口型同步的 3D 头像视频，单卡就能跑 25 帧。。 AVTR-1 是 avaturn-live 开的实时对话头像模型。给一张肖像图加两路音频，它就能逐帧生成口型同步和倾听表情，输出 25fps 视频。 支持单人和双人对话。A100 上 5 帧延迟 91ms，RTX 4060 Ti 上 166ms，实时够用。权重从 HuggingFace 下，推理用的…

🚨 AVTR-1 New Model is OPEN WEIGHTS . Duplex Native , #1 on benchmarks. Here’s what being released. Links in comments - Model + Paper now on HF - Full Github repo to run it really fast Run it…

🚨 AVTR-1 New Model is OPEN WEIGHTS Here's what being released ⚡️ • Availiable now on HF + Paper • Full Github repo to run it really fast * New model is Duplex native, #1 on benchmarks Run it…