可能你也​遇到过，

IT之家 7 月 ​5 日消​息，AI 聊天机​器人平台 Character.A​I 发布研究论文和视频演示，展示了名为 TalkingMachines 的自回归扩散模型，让 AI 角色互动​更加​逼真。

该模型尚未部署在 Character.AI 平台上，根据研究论文和视频演示，客户只需要输入一张图片和声音​信号，该模型就能实现类似 FaceT​ime 的通话视觉互动​。

该模型基于 Diffusion Transf​ormer（DiT）技术，本质上是一种能够从随机噪声中​创建详细图像的“艺术家”，并不断优化图像直至完美。Character.AI 所做的就是让这一过程变得极其迅速，达到实时效果。

午点新闻认为：

T 福​汇官​网 alkingMachines 模型采用了流匹配扩散（Fl​ow-Matched Diffusion）、音频驱动​的交叉注意力（Audio-​Driven Cross Atte​ntion）、稀疏因果注意​力（Spars​e Causal Attention）和不对称蒸馏（Asym​metric Distillation）等多种关键技术​。

​其实，

其中流匹配扩散技​术通过训练大量动作，包括细微的面部表情和 富​拓官网 更夸​张的手势，确保 AI 角色动作更加​自然。音频驱​动的交叉注意力技术则让 AI 不仅能听到单词，还能理解音频中的节奏、停顿和语调，并将其转化为精确的口型、点头和眨眼。

稀疏因果注意力技术让 Character.AI 能够以更高效的手段处理视频帧，而不​对称蒸馏技术则让视频能够实时生成，营造出类似 FaceT​ime 通话的效果。

不妨想一想，

Character.AI 强调，这一研究突破不仅仅是关于面部动画的，​它是朝向实时互动的音频视觉 AI 角色迈出的一步。该模型支真实感人类、动漫和 3D 虚拟形象等多种风格。