مدل محبوب Wan-Streamer در نسخه جدید خود، یعنی v0.2، جهشی چشمگیر در کیفیت خروجی داشته است. این مدل حالا میتواند ویدیوهای تعاملی را با وضوح بسیار بالاتر (640×368) تولید کند، بدون اینکه تغییری در سرعت پاسخدهی (Latency) ایجاد شود.
این یعنی در گفتگوهای زنده با عوامل هوش مصنوعی، حالا جزئیات بسیار بیشتری از چهره، حرکات دست، اشیاء و محیط اطراف قابل مشاهده و تشخیص است. تیم توسعهدهنده با استفاده از یک ساختار توزیعشده (Ulysses-style)، پردازش سنگین تولید تصویر را بهینهسازی کرده تا همچنان شاهد یک تجربه کاملاً «آنی» و روان باشیم.
این پیشرفت یک گام بزرگ به سمت ایجاد دستیارهای هوش مصنوعی فوقواقعگرایانه در دنیای واقعی است.
منبع: arXiv AI