本项目 · 研究预览
Odyssey 介绍 Starchild-1 视听世界模型
官方介绍持续交互的视听生成预览；技术报告以历史与流式文本条件，自回归生成同步视频和音频。
这是5月17日官方介绍的补记，不是10月新发布。系统的语音交互入口不等于基础生成器直接接受原始音频控制，长程仍可能漂移。
Odyssey / 独立收录记录
Starchild-1
Starchild-1 从双向视听生成基础模型蒸馏并改为因果流式生成，使用不同长度的视音频缓存，以持续条件更新推动后续片段。
技术资料
能做什么，使用时要注意什么。
输入与结果
- 提供什么
- 初始视觉状态、视听历史与持续更新的文本条件；语音等系统输入映射到文本条件空间。
- 得到什么
- 连续同步生成的视频与音频块。
- 动作的作用
- 预测以动作为条件。
开放情况与使用边界
材料说明的限制
长时间交互仍可能出现视觉身份和声学环境漂移；交互与对话评估主要为定性展示。
资料尚未确认
开放方式开源情况需要区分的对象已收录材料不足以判断，未确认不代表没有相应能力。
分类与用途
本站根据所引材料归纳的检索标签。标签可以重叠，不表示能力验证；未知不表示不支持。
相关动态
按事件时间展示已收录进展，非完整新闻列表。
来源与原文
按原始材料集中查阅；相同原句合并展示，对应资料与阅读日期一并保留。
Starchild-1 · 项目原始材料
核对原文摘录 · 3 段，支持 6 项资料
原阅读方向 / 一句话认识 / 输出什么
autoregressively generates synchronized video and audio while responding to streaming open-ended text input.输入什么 / 动作是否影响预测
an action at timestep at to span visual control signals, speech content and auxiliary audio conditioning such as sound or music descriptions all of which we define in text space.材料说明的限制
extended interactive sessions can still display gradual drift in scene identity and acoustic environment over long horizonsStarchild-1 · 官方预览介绍 ↗
本站整理来源中的声明，不核查厂商声明真伪，不评价模型优劣。了解收录方式 →