发布日期
— Meta Research 介绍 Muse Realtime Avatar：一个以语音 token 流和参考媒体为条件、持续生成同步角色视频的音频驱动模型；官方展示参数为 448×768、25 fps，首字节延迟约 870 ms。 ↗
Muse Realtime Avatar
Meta Research 于 2026-09-23 介绍的实时化身视频生成模型，以 Muse Realtime Voice 的语音 token 流和参考媒体为条件，生成连续且同步的角色视频。
Meta Research 已介绍此实时化身生成技术，但未披露独立 API 型号或公开接入条件；官方文章也指出，展示示例并非全部对应 Muse App 中可用的化身。
模型编号163
- 首次公开日期
- 2026-09-23
- 组织
- Meta
- 家族
- Muse
01
规格概览
仅展示已有公开资料的规格。
02
概览
为什么重要
Meta 将其描述为音频驱动的 Diffusion Transformer；官方报告人像视频为 448×768、25 fps，从用户回合结束到同步语音与视频响应首字节约 870 ms。
03
架构与能力
模型能力
视频生成实时视频角色一致性
04
发布历史
Meta Research 介绍 Muse Realtime Avatar：一个以语音 token 流和参考媒体为条件、持续生成同步角色视频的音频驱动模型；官方展示参数为 448×768、25 fps，首字节延迟约 870 ms。
查看原文05
相关模型
点击卡片查看相关模型。
暂未收录关联模型
06
来源
建议修正这条记录
复制下方模板，补上字段、建议值和一手来源后发给资料维护者。