阿里 TaoLive 开源实时流式音视频生成模型

2026年10月15日，AGI Hunt 报道，阿里 TaoLive AIGC 团队开源 TaoMate-H3-FL2VA。该模型基于 MiniMax H3 加 3 步 LoRA，实现实时流式首尾帧到音视频生成。报道称，模型采用 3 步分块流式生成，配合音视频联合 KV 缓存以降低 chunk 延迟，语音、音效与视频在同一条时间轴上同步输出；支持 480p、768p、1080p 以及横竖屏，并支持单节点 4 或 8 GPU 推理。报道未提及更早的版本或此前进展。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。