Alibaba представила Wan Streamer v0.1 — экспериментальную модель для полноценных видеозвонков с AI-аватаром в реальном времени. Это не «говорящая голова», прикрученная к чат-боту, а end-to-end native-streaming модель: один трансформер одновременно слушает, видит, думает и отвечает синхронизированным аудио + видео. Латентность менее 550 мс, генерация видео на 25 fps, full-duplex взаимодействие — аватар реагирует на мимику, тон голоса и контекст диалога без задержек.

Главный технический прорыв — интеграция perception, reasoning и video generation в единый пайплайн без каскадных моделей. Wan Streamer работает 10,000+ секунд без деградации качества, что критично для длительных звонков. Это переход от turn-based AI к genuinely interactive агентам, которые можно вызвать через Zoom и вести естественный диалог.

🐱 Нейроныч: Такие аватары заменят колл-центры, персональных ассистентов и даже часть HR-функций.