**AURA:首个实时流式音频驱动虚拟人模型,单卡 GPU 即可生成高清视频** _AURA: AUdio-dRiven streaming Avatar_
原帖
**AURA:首个实时流式音频驱动虚拟人模型,单卡 GPU 即可生成高清视频**
_AURA: AUdio-dRiven streaming Avatar_
> AURA 是一种音频驱动的流式虚拟人生成模型,解决了现有模型延迟高、无法实时生成的问题。该模型采用滚动 KV 缓存机制,仅需当前音频片段即可生成视频,无需多秒音频预读。AURA 1.3B 版本可在单卡 GPU 上以 20.7 帧/秒的速度生成 576p 视频,AURA 5B 版本可生成 720p 视频。通过两阶段蒸馏技术,AURA 在保持与 TalkVerse 相当质量的同时,推理速度分别提升了 23 倍和 17 倍,适用于交互式虚拟人应用。
**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:ai-models
- **发布时间**:2026-11-20 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2611.26540)