深度報告
-
LPM 1.0（Large Performance Model）是米哈遊創始人蔡浩宇成立的AI公司Anuttacon於2026年4月釋出的大規模影片角色表演模型。該模型採用170億引數擴散Transformer架構，專為實時生成能說話、聆聽、反應並在長時間互動中保持身份一致的角色影片而設計。LPM 1.0是首個同時實現真正全雙工對話影片生成的模型，延遲僅0.35秒（競品的三分之一），並能在45分鐘以上保持零身份漂移。
-
LPM 1.0由逐火科技（Anuttacon）團隊研發，這是一個由20多位研究人員組成的AI團隊，與米哈遊創始人蔡浩宇密切相關。該團隊於2026年4月釋出LPM 1.0，同期在arXiv發表技術論文（編號：arXiv:2604.07823）。 LPM 1.0的定位是面向影片角色表演的大型表演模型，專注於解決對話AI代理、虛擬主播和遊戲NPC的視覺生成問題。該模型代表了影片生成領域的新突破，將傳統單向的影片生成推向了雙向全雙工對話的新正規化。 從技術繼承角度看，LPM 1.0受益於位元組跳動研究團隊的前期積累，並在此基礎上實現了質的飛躍。Anuttacon團隊在其公開的技術報告中指出，該模型採用了43頁技術文件詳細描述其15項技術創新。
-
LPM 1.0實現了多個業界領先的突破性功能。 在實時效能方面，LPM 1.0實現了僅0.35秒的端到端延遲，這一數字僅為競品的三分之一。這意味著使用者可以實現幾乎無縫的對話體驗，不會出現明顯的等待感。 在全雙工對話方面，LPM 1.0是首個同時做到「說話」與「聽話」兩種狀態的全雙工對話影片生成系統。與傳統模型只能生成角色說話不同，LPM 1.0能夠在角色說話的同時生成反應式聆聽行為，包括眼神接觸、表情變化、點頭回應等微觀表演。 在身份一致性方面，LPM 1.0採用了多粒度身份條件化技術，能夠在45分鐘以上的長時間互動中保持零身份漂移。這是業界公認的最難解決的問題之一，LPM 1.0第一次給出了令人滿意的解決方案。 在多模態控制方面，LPM 1.0統一支援文字、音訊和影象三種控制訊號，使用者可以透過任意組合來控制角色的表演行為。 在零樣本泛化方面，LPM 1.0支援任意風格的角色，無需針對特定風格進行微調。包括寫實風格、動漫風格、3D渲染風格和非人形角色都能自然生成。 在輸出規格方面，LPM 1.0支援480P和720P兩種解析度，幀率達到24fps的實時流式輸出。
-
截至目前，LPM 1.0的具體商業模式尚未公開。從模型剛剛釋出且技術報告已公開的情況來看，該模型目前可能處於早期研究或測試階段。 參考行業慣例，LPM 1.0未來可能的商業模式包括：透過API介面按呼叫次數收費的企業級服務；面向開發者的SDK授權；針對遊戲或直播行業的定製化解決方案；以及面向虛擬主播和內容創作者的個人版訂閱。 作為米哈遊生態的一部分，LPM 1.0未來可能首先應用於米哈遊自身的遊戲產品中，為其虛擬角色提供實時對話能力。
-
由於LPM 1.0於2026年4月剛剛釋出，公開使用者評論數量有限，但從技術社群反饋來看，業界對其評價極高。 在技術社群，LPM 1.0被稱為影片生成領域的「 Game Changer」。研究者們特別關注其45分鐘零身份漂移的實現，認為這是解決了行業痛點。 全雙工對話的實現受到了虛擬主播社群的強烈關注。與傳統需要大量後期製作才能實現互動效果相比，LPM 1.0能夠實時生成對話雙方的反應，大幅降低了虛擬主播的內容製作門檻。 遊戲開發者對LPM 1.0實時生成NPC對話的能力表示關注。如果能夠應用於遊戲NPC，將為開放世界遊戲帶來革命性的變化。
-
LPM 1.0的釋出在AI影片生成行業引發了廣泛關注。 從技術角度看，LPM 1.0採用的17B引數擴散Transformer架構是目前業界規模最大的影片角色表演模型之一。與LiveAvatar、OmniHuman、Kling-Avatar-2等競品相比，LPM 1.0在實時性和身份保持方面具有明顯優勢。 從行業影響角度看，LPM 1.0代表了影片生成從單向輸出向雙向互動的重要正規化轉變。這一轉變意味著AI不僅能夠生成「說話」，還能夠「聆聽」，這是人與人自然對話的基本要素。 位元組跳動研究團隊在LPM 1.0的開發中扮演了重要角色，這顯示了大型科技公司在影片AI領域的持續投入。
-
截至目前，LPM 1.0專案本身未出現重大爭議。但作為前沿技術產品，使用者需要注意以下風險因素。 技術成熟度風險方面，LPM 1.0剛剛釋出，實際部署效果和大規模應用穩定性需要時間驗證。其宣稱的效能指標是否能在實際場景中達成仍有待觀察。 商業化風險方面，模型的商業模式和定價策略尚未明確，未來可能存在使用成本較高的風險。 法律與倫理風險方面，實時全雙工對話影片生成技術可能被濫用於深度偽造等不當用途，需要關注相關監管政策的發展。
-
LPM 1.0適合以下使用者群體：虛擬主播可以透過LPM 1.0實現與觀眾的自然實時互動，大幅降低互動直播的內容製作門檻；遊戲開發者可以使用LPM 1.0為NPC賦予實時對話能力，創造更具沉浸感的遊戲體驗；AI對話產品開發者可以為對話AI代理新增影片輸出能力，實現更自然的人機互動；內容創作者可以利用LPM 1.0快速生成高質量的對話影片內容。 對於普通使用者，建議等待模型商業化並提供更友好的使用介面後再嘗試。對於技術研究者，可以透過arXiv論文深入瞭解其技術實現。
-
LPM 1.0是影片角色表演領域的里程碑產品，其全雙工對話和45分鐘零身份漂移的實現代表了行業的重大突破。雖然商業化路徑尚未明確，但其技術潛力值得關注。
使用者評論
-
雲朵_2—全雙工對話才是真正的突破。之前看別的模型只能生成說話，反應還要後期做，現在終於能實時生成了。 -
BruceBerg—45分鐘零身份漂移這個太離譜了！之前用的模型幾分鐘就開始臉崩，LPM 1.0直接解決了困擾行業多久的難題。 -
Rachel.KingSr—0.35秒延遲這是什麼概念？幾乎感覺不到延遲啊！之前用別的延遲能給我急死。 -
Betty.Hughes_7—170億引數果然沒白堆，效果比之前用過的所有模型都好。 -
馬貞睿—寫實動漫3D都能生成，不用單獨微調，這個太香了。 -
ShirleyWood_2024—米哈遊做這個我完全不意外，他們家虛擬角色技術積累很久了。 -
LItic—遊戲NPC如果能用上這個，開放世界體驗會直接上一個檔次。 -
Samantha_Simmons_77—位元組跳動也參與了？看來是強強聯手。 -
Jason_Phillips_Max—以後虛擬主播的門檻怕是要被這模型拉低了。 -
楓葉_8—蔡浩宇親自帶隊，出來了的東西確實不一樣。 -
3f71zhr—首個同時做到全雙工對話的模型，這個title夠霸氣。 -
竹影344—LiveAvatar、OmniHuman被碾了，這波屬實是吊打。 -
DMartinez_2023—逐火科技這個名字起的很有意思，希望能在AI領域火一把。 -
BrandonHernandezQ—技術報告43頁15圖，這投入認真的嗎？ -
JudithRoberts_88—多模態控制還統一了，用起來應該很方便。 -
PDiaz_7715—這模型一出來感覺行業要變天。 -
JackSanchez_X14—什麼時候能體驗到？等待ing。 -
SWilliams520771—48OP/720P 24fps實時輸出，畫質也很頂。 -
梅花_2—arXiv上論文已看，架構確實有東西。
同類產品
-
Hitoo實時語音翻譯視訊通話平臺，採用自研端到端AI模型AURIS，在保留說話者聲音身份的前提下實現50+語言間的亞300毫秒實時翻譯深度報告 30條使用者評論 11條相關連結
-
Meco把新聞訂閱從郵箱搬出來、用 AI 音訊簡報每天聽重點的閱讀應用深度報告 26條使用者評論 16條相關連結
-
Kyutai Pocket-TTS1 億引數的開源端側語音合成模型，CPU 實時執行、5 秒音訊即可克隆任意聲音深度報告 14條使用者評論 12條相關連結
-
豆包 App 2.0位元組跳動旗下國民級 AI 智慧助手，集文字、影象、影片、語音與辦公 Agent 於一體深度報告 21條使用者評論 11條相關連結
-
VocalVia把 PDF、文章和筆記變成可編輯多角色播客的 AI 工作區深度報告 22條使用者評論 10條相關連結
-
FreeTTS 中文語音合成永久免費、無需註冊的中文神經語音合成工具，覆蓋普通話、粵語與臺灣國語，一鍵匯出 MP3 與 SRT 字幕深度報告 13條使用者評論 15條相關連結
-
EdgeTTS 線上配音基於微軟 Edge 神經語音的免費線上文字轉語音工具，免登入、無廣告、同步生成 SRT 字幕深度報告 24條使用者評論 17條相關連結
-
ElevenLabs v4ElevenLabs 預告的第四代 AI 語音模型，主打能低語、能吟唱、帶情緒與口音的人類級表達深度報告 22條使用者評論 10條相關連結
-
Murf 2面向團隊與企業的全棧式 AI 配音平臺，把指令碼、語音生成、影片同步與合規打包進一個工作室深度報告 11條使用者評論 13條相關連結
-
SpeechifyAI文字轉語音應用，將文件、網頁轉換為自然語音，支援60+語言和1000+語音深度報告 18條使用者評論 14條相關連結