**StreamChar：基于解耦编排的长程流式角色音视频生成**

_StreamChar: Long-Horizon Streaming Character Audio-Video Generation with Decoupled Orchestration_

> StreamChar 是一个用于角色动画的实时流式音视频生成框架，解决了长时域自回归生成中常见的音画同步失调和视觉漂移问题。其核心创新在于将长程编排与短时域去噪解耦：由大语言模型编排器根据文本和历史上下文生成帧对齐的音频条件，再由音视频联合去噪扩散变换器进行局部双向去噪。通过两阶段蒸馏流水线实现高效部署，并引入进度感知指针和记忆块来增强长期稳定性。实验表明，StreamChar 在单块 H100 GPU 上即可实时运行，在文本保真度、音画同步、视觉质量和流稳定性方面均优于现有基线。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-02 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2605.25659)