SoulX：实时数字人的开源生成模型

SoulX-FlashTalk是什么

作为Soul App旗下AI团队开源的首款14B参数实时数字人生成模型，SoulX-FlashTalk在性能和稳定性方面均达到了行业领先水平。该模型实现了0.87秒的亚秒级延迟和32帧每秒的高帧率输出，为实时交互应用提供了强大的技术支持。通过创新性的双向流式蒸馏与多步自纠正机制，SoulX-FlashTalk不仅支持无限时长的稳定内容生成，还能够实现全身动作交互和多语言驱动功能，广泛适用于7×24小时直播、虚拟客服系统以及游戏NPC等领域。

SoulX-FlashTalk的主要功能

• 实时音视频生成：依托于先进的14B大模型，SoulX-FlashTalk实现了仅需0.87秒的超低延迟和32帧每秒的高帧率输出，完美满足直播级别的实时互动需求。
• 无限时长稳定运行：采用独特的多步自纠正机制，确保内容生成过程中的持续稳定性和高质量输出，支持长时间运行而无需中断。
• 全身动作交互：突破传统数字人技术限制，实现全身动作的实时捕捉与反馈，提供更加自然流畅的人机互动体验。
• 多语言驱动能力：支持多种语言输入和输出，能够轻松应对不同语种用户的交流需求，显著提升应用场景的灵活性和适用性。
• 7×24小时不间断运行：具备全天候持续工作能力，适用于虚拟客服、直播助手等需要长时间稳定运行的场景，为商业级应用提供了可靠的技术保障。

SoulX-FlashTalk凭借其卓越的技术性能和广泛应用潜力，已成功入围HuggingFace I2V趋势榜TOP5，在实时数字人领域树立了新的技术标杆。