深度报告
-
LPM 1.0（Large Performance Model）是米哈游创始人蔡浩宇成立的AI公司Anuttacon于2026年4月发布的大规模视频角色表演模型。该模型采用170亿参数扩散Transformer架构，专为实时生成能说话、聆听、反应并在长时间交互中保持身份一致的角色视频而设计。LPM 1.0是首个同时实现真正全双工对话视频生成的模型，延迟仅0.35秒（竞品的三分之一），并能在45分钟以上保持零身份漂移。
-
LPM 1.0由逐火科技（Anuttacon）团队研发，这是一个由20多位研究人员组成的AI团队，与米哈游创始人蔡浩宇密切相关。该团队于2026年4月发布LPM 1.0，同期在arXiv发表技术论文（编号：arXiv:2604.07823）。 LPM 1.0的定位是面向视频角色表演的大型表演模型，专注于解决对话AI代理、虚拟主播和游戏NPC的视觉生成问题。该模型代表了视频生成领域的新突破，将传统单向的视频生成推向了双向全双工对话的新范式。 从技术继承角度看，LPM 1.0受益于字节跳动研究团队的前期积累，并在此基础上实现了质的飞跃。Anuttacon团队在其公开的技术报告中指出，该模型采用了43页技术文档详细描述其15项技术创新。
-
LPM 1.0实现了多个业界领先的突破性功能。 在实时性能方面，LPM 1.0实现了仅0.35秒的端到端延迟，这一数字仅为竞品的三分之一。这意味着用户可以实现几乎无缝的对话体验，不会出现明显的等待感。 在全双工对话方面，LPM 1.0是首个同时做到「说话」与「听话」两种状态的全双工对话视频生成系统。与传统模型只能生成角色说话不同，LPM 1.0能够在角色说话的同时生成反应式聆听行为，包括眼神接触、表情变化、点头回应等微观表演。 在身份一致性方面，LPM 1.0采用了多粒度身份条件化技术，能够在45分钟以上的长时间交互中保持零身份漂移。这是业界公认的最难解决的问题之一，LPM 1.0第一次给出了令人满意的解决方案。 在多模态控制方面，LPM 1.0统一支持文本、音频和图像三种控制信号，用户可以通过任意组合来控制角色的表演行为。 在零样本泛化方面，LPM 1.0支持任意风格的角色，无需针对特定风格进行微调。包括写实风格、动漫风格、3D渲染风格和非人形角色都能自然生成。 在输出规格方面，LPM 1.0支持480P和720P两种分辨率，帧率达到24fps的实时流式输出。
-
截至目前，LPM 1.0的具体商业模式尚未公开。从模型刚刚发布且技术报告已公开的情况来看，该模型目前可能处于早期研究或测试阶段。 参考行业惯例，LPM 1.0未来可能的商业模式包括：通过API接口按调用次数收费的企业级服务；面向开发者的SDK授权；针对游戏或直播行业的定制化解决方案；以及面向虚拟主播和内容创作者的个人版订阅。 作为米哈游生态的一部分，LPM 1.0未来可能首先应用于米哈游自身的游戏产品中，为其虚拟角色提供实时对话能力。
-
由于LPM 1.0于2026年4月刚刚发布，公开用户评论数量有限，但从技术社区反馈来看，业界对其评价极高。 在技术社区，LPM 1.0被称为视频生成领域的「 Game Changer」。研究者们特别关注其45分钟零身份漂移的实现，认为这是解决了行业痛点。 全双工对话的实现受到了虚拟主播社区的强烈关注。与传统需要大量后期制作才能实现互动效果相比，LPM 1.0能够实时生成对话双方的反应，大幅降低了虚拟主播的内容制作门槛。 游戏开发者对LPM 1.0实时生成NPC对话的能力表示关注。如果能够应用于游戏NPC，将为开放世界游戏带来革命性的变化。
-
LPM 1.0的发布在AI视频生成行业引发了广泛关注。 从技术角度看，LPM 1.0采用的17B参数扩散Transformer架构是目前业界规模最大的视频角色表演模型之一。与LiveAvatar、OmniHuman、Kling-Avatar-2等竞品相比，LPM 1.0在实时性和身份保持方面具有明显优势。 从行业影响角度看，LPM 1.0代表了视频生成从单向输出向双向互动的重要范式转变。这一转变意味着AI不仅能够生成「说话」，还能够「聆听」，这是人与人自然对话的基本要素。 字节跳动研究团队在LPM 1.0的开发中扮演了重要角色，这显示了大型科技公司在视频AI领域的持续投入。
-
截至目前，LPM 1.0项目本身未出现重大争议。但作为前沿技术产品，用户需要注意以下风险因素。 技术成熟度风险方面，LPM 1.0刚刚发布，实际部署效果和大规模应用稳定性需要时间验证。其宣称的性能指标是否能在实际场景中达成仍有待观察。 商业化风险方面，模型的商业模式和定价策略尚未明确，未来可能存在使用成本较高的风险。 法律与伦理风险方面，实时全双工对话视频生成技术可能被滥用于深度伪造等不当用途，需要关注相关监管政策的发展。
-
LPM 1.0适合以下用户群体：虚拟主播可以通过LPM 1.0实现与观众的自然实时互动，大幅降低互动直播的内容制作门槛；游戏开发者可以使用LPM 1.0为NPC赋予实时对话能力，创造更具沉浸感的游戏体验；AI对话产品开发者可以为对话AI代理添加视频输出能力，实现更自然的人机交互；内容创作者可以利用LPM 1.0快速生成高质量的对话视频内容。 对于普通用户，建议等待模型商业化并提供更友好的使用界面后再尝试。对于技术研究者，可以通过arXiv论文深入了解其技术实现。
-
LPM 1.0是视频角色表演领域的里程碑产品，其全双工对话和45分钟零身份漂移的实现代表了行业的重大突破。虽然商业化路径尚未明确，但其技术潜力值得关注。
用户评论
-
云朵_2—全双工对话才是真正的突破。之前看别的模型只能生成说话，反应还要后期做，现在终于能实时生成了。 -
BruceBerg—45分钟零身份漂移这个太离谱了！之前用的模型几分钟就开始脸崩，LPM 1.0直接解决了困扰行业多久的难题。 -
Rachel.KingSr—0.35秒延迟这是什么概念？几乎感觉不到延迟啊！之前用别的延迟能给我急死。 -
Betty.Hughes_7—170亿参数果然没白堆，效果比之前用过的所有模型都好。 -
马贞睿—写实动漫3D都能生成，不用单独微调，这个太香了。 -
ShirleyWood_2024—米哈游做这个我完全不意外，他们家虚拟角色技术积累很久了。 -
LItic—游戏NPC如果能用上这个，开放世界体验会直接上一个档次。 -
Samantha_Simmons_77—字节跳动也参与了？看来是强强联手。 -
Jason_Phillips_Max—以后虚拟主播的门槛怕是要被这模型拉低了。 -
枫叶_8—蔡浩宇亲自带队，出来了的东西确实不一样。 -
3f71zhr—首个同时做到全双工对话的模型，这个title够霸气。 -
竹影344—LiveAvatar、OmniHuman被碾了，这波属实是吊打。 -
DMartinez_2023—逐火科技这个名字起的很有意思，希望能在AI领域火一把。 -
BrandonHernandezQ—技术报告43页15图，这投入认真的吗？ -
JudithRoberts_88—多模态控制还统一了，用起来应该很方便。 -
PDiaz_7715—这模型一出来感觉行业要变天。 -
JackSanchez_X14—什么时候能体验到？等待ing。 -
SWilliams520771—48OP/720P 24fps实时输出，画质也很顶。 -
梅花_2—arXiv上论文已看，架构确实有东西。
同类产品
-
Anylang.aiAI视频翻译工具，保持原说话者音色和口型同步深度报告 19条用户评论 6条相关链接
-
Magicam实时AI换脸与变声工具，支持直播视频通话中的面部替换深度报告 19条用户评论 10条相关链接
-
云幕同声原声级AI视频翻译工具，支持20多种语言，98%还原音色和情绪，保留背景音乐深度报告 20条用户评论 8条相关链接
-
ElevenLabsAI语音生成和处理平台，提供文本转语音、语音克隆和语音智能体服务深度报告 20条用户评论 8条相关链接
-
Dub AIAI驱动的视频翻译与配音平台，帮助将视频内容快速本地化为30多种语言深度报告 23条用户评论 7条相关链接
-
Rask AIAI驱动的视频本地化和配音平台，支持130+语言自动翻译深度报告 19条用户评论 5条相关链接
-
VozoAIAI视频翻译配音口型同步工具，支持110+种语言深度报告 20条用户评论 8条相关链接
-
Vapi面向开发者的语音AI平台，帮助快速构建、测试和部署语音代理深度报告 33条用户评论 12条相关链接
-
LobeChat开源高性能聊天机器人框架，支持多模型、语音合成和多模态深度报告 20条用户评论 5条相关链接
-
讯飞星火科大讯飞推出的认知大模型，语音交互和教育领域优势突出深度报告 41条用户评论 9条相关链接