产品应用7

美团推出音频驱动框架LLIA

带你学AI2025-06-12

AI 摘要

美团：推出音频驱动肖像视频生成框架LLIA，有四项核心技术与三大核心模块。构建大数据集，能实现低延迟、流畅且逼真的双向交互，为多媒体生成场景开辟新可能。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

扩散新范式Hi-DiT终结路线之争

中科大与智象HiDream.ai团队提出混合潜空间-像素空间扩散新模型Hi-DiT，解决了两类传统扩散路线各自的瓶颈，论文被ECCV 2026接收，在多个主流图像生成任务上取得优异性能，仅小幅增加计算开销。

本文是InfoQ翻译的OpenAI技术分享，详细公开GPT-Live实现连续有状态低延迟语音交互的架构设计，分享了架构拆分、协议优化、上线测试等实践经验与设计权衡。

本文介绍发表于IEEE TPAMI 2026的ZeroDiff++模型，是ICLR 2025 ZeroDiff的扩展工作，针对生成式零样本学习的虚假语义关联、分布脱节问题提出新框架，在三项主流基准刷新成绩

视觉-语言-动作（VLA）模型是端到端自动驾驶主流技术，但自回归解码架构有瓶颈。复旦大学与引望智能联合提出WAM-Diff2，实现自回归VLA向离散扩散模型迁移，解码加速15.1倍，多任务性能不降。