TaoMate-HD: Progressive-Resolution Autoregressive Audio-Video Generation 封面
HuggingFace
论文2026-11-0…

TaoMate-HD: Progressive-Resolution Autoregressive Audio-Video Generation

Streaming digital humans produce detailed video while continuing speech as new text arrives. High-resolution denoising is costly, and text updates can cause repeated or interrupted speech. We present TaoMate-HD, an auto…

来源:HuggingFace Papers收录于 2026年11月6日

站内导读

中文

定位:一篇做流式数字人音视频生成的论文 TaoMate-HD,目标是新文本不断到来时,画面和语音都能又稳又清晰。 流式数字人要在新文本持续输入的同时输出细节丰富的视频并连贯地说话,但高分辨率去噪计算成本高,文本更新还容易造成语音重复或中断。TaoMate-HD 采用自回归的音视频生成框架,并引入渐进式分辨率的思路,试图在生成质量、计算开销与语音连续性之间取得平衡,让数字人能长时间稳定地边说边播。 适用人群:从事数字人、音视频生成研究的科研人员、做虚拟主播与实时交互数字人产品的团队。

相关项目 · HuggingFace

查看全部「HuggingFace」项目 →