时隔近一年，那个在 B 站教大家阅读 AI 论文的大神李沐 @跟李沐学 AI，终于回归了！

　　在最新一期视频中，李沐「做了个实时数字人」，并与 TA 进行视频对话，从视频来看，数字人形象确实挺逼真的，用他自己的话说，「水平吊打我自己」！

　　而这背后的技术正是李沐的创业公司——BosonAI 发布的一款名为 Higgs Avatar v1 的模型：面向语音智能体的实时数字人。

　　官方介绍，作为一个实时基础模型，Higgs Avatar v1能够为客服对话、虚拟助手、培训以及互动体验带来更接近真人的数字化形象与临场感。

　　而且操作起来非常简单，只需要一张静态图片，就能生成生动、富有表现力的面部表情，并支持说话、倾听和回应。所有操作都以逐帧方式完成，并与音频保持同步。

　　BosonAI 团队介绍，上述李沐的展示的视频内容完全由 AI 生成，不仅没有预设脚本，也没有动画制作流程、预渲染循环，每一帧都是实时渲染完成的 —— 包括声音、对话、口型同步、头部动作和表情。

　　无脚本的即兴表演：模型会跟着语音流，金年会股份有限公司逐帧实时渲染出唇形同步、头部动作和面部表情。你听到什么，就看到什么，完全是即兴发挥。

　　开局一张图，剩下全靠 AI：不需要好莱坞级别的 3D 动捕，也不用预先录制僵硬的循环视频。只要给它一张静态照片，Higgs Avatar v1 就能瞬间生成一个会听、会说、会给反应的动态面孔。

　　快到没有「时差」：业界公认保持实时对话不卡顿的延迟底线 毫秒，而 Higgs Avatar v1 生成一帧画面只需要16 毫秒！这意味着数字人的表情永远紧紧贴合声音，绝不拖泥带水。

　　极致的算力性价比：对于企业级应用而言，成本是落地的关键。单张 H100 GPU 即可同时支持 8 路实时对话并发，将单次对话的成本压缩到了完全能够满足大规模生产部署的水平。

　　在实际业务场景（如保险销售、企业教练、虚拟面试及互动娱乐等）中，Boson AI 现已形成了双擎驱动的格局：Higgs Audio 负责语音的理解与生成，Higgs Avatar 负责赋予 AI 真实的「面容」。

　　「我们之所以坚持自研基础模型，是因为生产环境中的对话式 AI 无法由外部组件拼凑而成。」 Boson AI 团队在发布声明中强调。

　　如果只是把现成的外部 API 缝合在一起，金年会股份有限公司延迟卡顿、抢话冲突、声音跟表情脱节等问题根本没法解决。只有从头开始全栈自研，把声学与面部表情的情感对齐、端到端的工作流编排死死咬合在一起，才能彻底打破交互的隔阂。

　　迫不及待想看看沐神新作品的同学们，可以去官网排个 Waitlist 占坑了。对于有企业集成、定制模型或 API 访问需求的客户，也可直接通过官方邮箱联系。

本文由:金年会,金年会官方网站,金年会官网首页,金年会官网入口提供
上一篇：Jeff主页-盖世汽车 下一篇：果粉大喜！苹果深夜官宣降价：iPhone17Pro进入600