近日，AI領(lǐng)域迎來一項(xiàng)重要突破——Anuttacon技術(shù)團(tuán)隊(duì)發(fā)布了名為L(zhǎng)PM 1.0的基于視頻的角色表演模型。該模型由24位研究人員共同參與開發(fā)，能夠?qū)崿F(xiàn)實(shí)時(shí)說話、唱歌、傾聽、反應(yīng)及表情生成，為角色對(duì)話、虛擬直播、游戲NPC等場(chǎng)景提供了全新的技術(shù)解決方案。
據(jù)介紹，LPM 1.0是面向單人全雙工音視頻對(duì)話的表演大模型，針對(duì)現(xiàn)有視頻生成模型在表現(xiàn)力、實(shí)時(shí)推理和長(zhǎng)時(shí)身份穩(wěn)定性等方面的不足進(jìn)行了針對(duì)性優(yōu)化。團(tuán)隊(duì)構(gòu)建了以人為中心的多模態(tài)數(shù)據(jù)集，通過訓(xùn)練17B參數(shù)的Base LPM并蒸餾為低延遲流式的Online LPM，實(shí)現(xiàn)了無限時(shí)長(zhǎng)下身份一致的實(shí)時(shí)視頻生成與細(xì)膩擬人化表演。團(tuán)隊(duì)還打造了首個(gè)交互角色表演基準(zhǔn)LPM-Bench，在各項(xiàng)評(píng)估中取得領(lǐng)先成果，為對(duì)話代理、直播角色和游戲NPC提供了通用視覺引擎。
從技術(shù)實(shí)現(xiàn)來看，LPM 1.0支持多模態(tài)輸入，用戶可通過1張圖片、可選參考圖片、音頻及文本生成角色表演視頻。模型采用全局外觀參考、多視角身體圖像與面部表情參考素材等多維度身份穩(wěn)定要素，有效規(guī)避了牙齒、表情紋路等細(xì)節(jié)的錯(cuò)誤生成問題。同時(shí)，該模型無需微調(diào)即可支持寫實(shí)、2D動(dòng)漫、3D游戲及非類人生物等不同角色風(fēng)格，展現(xiàn)出強(qiáng)大的泛化能力。
在互動(dòng)體驗(yàn)方面，LPM 1.0支持全雙工實(shí)時(shí)對(duì)話，雙方可同時(shí)說話、傾聽并隨時(shí)打斷，模型會(huì)通過停頓、身體節(jié)奏和目光轉(zhuǎn)移等細(xì)節(jié)增強(qiáng)真實(shí)感。非對(duì)話場(chǎng)景中，角色獨(dú)處時(shí)也會(huì)展現(xiàn)自然的呼吸節(jié)奏和情感表達(dá)。與同類技術(shù)相比，LPM 1.0在視覺忠實(shí)度、口型精準(zhǔn)度、身份保護(hù)及自然感等方面表現(xiàn)突出，且支持任意長(zhǎng)度內(nèi)容生成，突破了Kling-Avatar 2.0和OmniHuman 1.5等模型30秒的時(shí)長(zhǎng)限制。
盡管技術(shù)優(yōu)勢(shì)顯著，但Anuttacon團(tuán)隊(duì)目前并無公開模型權(quán)重、源代碼或在線演示的計(jì)劃。此次發(fā)布主要用于展示研究進(jìn)展，供學(xué)術(shù)交流使用。不過，這一動(dòng)作被解讀為團(tuán)隊(duì)擴(kuò)大AI人才招聘的信號(hào)。據(jù)悉，Anuttacon由米哈游創(chuàng)始人蔡浩宇創(chuàng)辦，其技術(shù)探索方向與米哈游在AI領(lǐng)域的布局密切相關(guān)。例如，米哈游此前已在《崩壞：星穹鐵道》中嘗試應(yīng)用AI工具管理角色行為、優(yōu)化3D建模及生成NPC臺(tái)詞，并計(jì)劃通過AI驅(qū)動(dòng)實(shí)現(xiàn)“對(duì)話永不重復(fù)的智能NPC”。
米哈游的AI布局不僅限于游戲開發(fā)。2025年，該公司發(fā)布崩壞IP項(xiàng)目組AI專項(xiàng)招募計(jì)劃，聚焦“AI驅(qū)動(dòng)提效”與“AI驅(qū)動(dòng)創(chuàng)新”，已搭建AI Agent平臺(tái)Echo及多個(gè)游戲開發(fā)管線應(yīng)用。米哈游三位創(chuàng)始人還通過捐贈(zèng)助力上海交通大學(xué)“AI未來基石基金”，為技術(shù)人才儲(chǔ)備鋪路。從試驗(yàn)性AI游戲《Whispers from the Star》到AI聊天產(chǎn)品AnuNeko，再到如今的LPM 1.0，米哈游的技術(shù)進(jìn)化路徑逐漸清晰。其生活模擬新作《星布谷地》首次測(cè)試中已推出支持自由文字對(duì)話的AI NPC，進(jìn)一步驗(yàn)證了AI與游戲結(jié)合的可行性。
