跳到正文
AGI Hunt· kyutai·· 2 小时前AI 评分51

Kyutai 开源 AURA 音频驱动流式数字人模型

Kyutai 开源 AURA:滚动 KV 缓存+两阶段蒸馏实现低延迟音频驱动数字人

AI 导读

Kyutai 发布并开源 AURA(AUdio-dRiven streaming Avatar),用于低延迟流式音频驱动视频生成。模型通过滚动 KV cache 支持流式推理,并采用两阶段蒸馏管线减少扩散步数;论文涵盖 5B 和 1.3B 两个规格,其中 1.3B 版本可实时运行,模型已在 Hugging Face 开源。

来源:AGI Hunt · agihunt.info