WAIC 2026 | 虎牙发布实时多模态数字人VAM 1.0

来源：本站时间：2026-07-18 17:05:03

<article><section data-type="rtext"><p>【环球网科技综合报道】7月18日消息，虎牙公司董事长林松涛在2026世界人工智能大会（WAIC）期间表示，真实场景是AI价值的第一现场，终端是AI普及的最后一公里。当前模型能力的差距在收窄，但工程化的差距在拉开；AI普惠的标志不是最强的人变得更强，而是普通人用AI不再普通。随后，虎牙公司CEO黄俊洪的演讲则为这一理念提供了来自游戏***景的具体注脚，虎牙自研的实时多模态数字人VAM1.0，正是在一个真实的、7×24小时运转的场景中生长出来的AI应用。</p><p><i class="pic-con"></p><p>沙利文最新报告数据显示，中国数字人赛道年复合增长率达52%，约为全球增速的1.5至2倍，亚太是最大的增量市场。</p><p>此次亮相的VAM1.0，正是虎牙围绕上述行业痛点打造的最新技术成果。作为基于DiT架构的实时多模态数字人基础模型，黄俊洪一句话概括其能力："给它一张静态照片，它还你一个能实时说话、实时聆听、实时反应的虚拟人。不是预渲染，不是录播，是每一帧都在线生成。"</p><p><i class="pic-con"></p><p>VAM***用三段式训练体系，一阶让它稳，通过多参考帧加运动帧锚定形象；二阶让它真，利用偏好优化算法在多目标间找到平衡；三阶让它快，推理步骤大幅压缩并引入自纠错机制。"总结来说，就是让它不崩，让它好看，让它省钱"，黄俊洪表示。性能方面，在同等推理集群下，VAM达到36.4帧每秒、首帧1.3秒，与八个主流模型对比，推理最快、延迟最低，四项核心指标全面领先且算力开销更低。</p><p>黄俊洪特别强调了VAM的交互特性，原生覆盖静默、聆听、说话三种状态。用户说话时数字人点头注视，停下来它自然接话，打断它立刻反应，弹幕和语音双通道驱动。在他看来，这是虎牙的场景优势："大多数模型只学过怎么说，没学过怎么听。虎牙泡在直播间十几年，观众不会等你说完再发弹幕。场景，倒逼出了技术。"（旺旺）</p></section><img src='/image/157793-0' alt='WAIC 2026 | 虎牙发布实时多模态数字人VAM 1.0'>            
</div>
        <div><span style="font-size: 14px"><span style="font-family: 宋体"> </span></span></div>
      </div>
        
        <div class="prenext">上一篇：<a href="/detail/32187.html">阿里网盘为什么没有动静了？</a></div>
        <div class="prenext">下一篇：<a href="/detail/32120.html">为什么韩国的热辣舞团无法征服中国的男性市场？？</a></div>

</div>
  </div>
</div>
 
 

<div class="f_bg">
  <div class="f_bg_div">

<div class="links">
          <h2><a href="/">友情连接</a></h2>
          <ul>
                                      </ul>
      </div>
    
  </div>
</div>
<div class="f_div3">
  <div class="f_bg_div"> <span class="l">  <a href="http://beian.miit.gov.cn/" target="_blank" rel="nofollow"></a>  <a href="/pb282/sitemap.xml" target="_blank">XML地图</a>   </span> </div>
</div>

<script language="javascript" src="/template/moban53/js/foot.js"></script>
</body>
</html>

首页

黄马乡

相沟镇

红城乡

乐安乡

秦安县

韩院乡

WAIC 2026 | 虎牙发布实时多模态数字人VAM 1.0