Muse Realtime Avatar

Meta / Llama · 2026-09-23 · 类别未确认

Muse Realtime Avatar

Meta 音频驱动的实时数字人模型，基于因果 Diffusion Transformer 架构，通过自强迫分布匹配蒸馏将推理评估从 120 次减少到 2 次（60x 加速），支持 448x768 25fps 视频流式生成，端到端延迟约 870ms，真人双向盲测相对 Runway Characters 偏好度 78%:22%、相对 HeyGen LiveAvatar 偏好度 88%:12%。

输入模态: 音频 / 图像 / 视频
上下文: 官方资料未说明
参数: 官方资料未说明
价格（每百万 tokens）: 无此口径报价；不等于免费

本变体的评测证据

human-preference-avatar 78% 模型 muse-realtime-avatar · 版本 Live Evaluation vs Runway Characters · 指标 higher is better · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-04 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Live evaluation · row: Live Evaluation vs Runway Characters · quote_snippet: Live evaluation chart showing Muse Realtime Avatar preferred over Runway Characters by 78% to 22%

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

new-benchmark: 2-3 分钟实时对话盲测，整体偏好度 78% vs 22%（Runway Characters）；涵盖面部表现力、动作自然度、唇形同步、角色保持等维度。

打开官方来源

human-preference-avatar 88% 模型 muse-realtime-avatar · 版本 Live Evaluation vs HeyGen LiveAvatar · 指标 higher is better · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-04 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Live evaluation · row: Live Evaluation vs HeyGen LiveAvatar · quote_snippet: and over HeyGen LiveAvatar by 88% to 12%

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

new-benchmark: 2-3 分钟实时对话盲测，整体偏好度 88% vs 12%（HeyGen LiveAvatar）。

打开官方来源

avatar-stream-latency 870ms 模型 muse-realtime-avatar · 版本 End-of-turn to first-byte latency · 指标 lower is better · 单位 milliseconds 来源等级 A · vendor_reported · 核对日期 2026-10-04 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Live evaluation · row: End-of-turn to first-byte latency · quote_snippet: Muse Realtime Avatar streams 448x768 portrait video at 25 frames per second with approximately 870 ms of latency as measured from the end of a user’s turn to when they receive the first byte of the synchronized AV stream

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

new-benchmark: 用户发言结束到接收到首字节同步音视频流的端到端延迟约为 870ms。

打开官方来源