旭成网讯 近日，一款全新实时视频对话 AI 模型正式亮相，在面对面视频交互场景下，虚拟人像神态、语言节奏与肢体反应高度贴近真人，对话体验几可乱真，让实时人机交互迎来重大突破。
不同于过往数字人产品，该模型实现了全双工实时交互能力，在视频通话过程中可以一边聆听用户发言，一边同步生成面部微表情、眼神变化、点头等自然肢体动作。用户中途插话、打断对话时，模型能够及时感知并调整表达节奏，不再出现传统 AI 单向输出、反应滞后的生硬感，复刻了人与人视频交流时你来我往的对话逻辑。
据模型交互测试结果，多名受试者在一分钟视频通话结束后，将近半数参与者未能分辨对面是 AI 虚拟形象，误将模型判定为真人对话者。对比前代系统，本次新版本在真实感上实现了跨越式提升。模型仅依靠单张静态图片，就能生成高清、连贯的实时视频人像，唇形与语音高度同步，眨眼、皱眉、嘴角变化等细微表情自然流畅，减少了以往虚拟人常见的诡异违和感。
技术层面，模型打通了视觉感知、语音理解、对话推理与视频渲染一体化链路，不再是文字、语音、画面分段拼接的流水线模式。它可以实时捕捉画面里用户的表情、手势，结合语音语调综合理解对话语境，根据谈话情绪动态调整自身神态与语气，让整场视频对话更有临场感。
业内分析认为，这款模型的落地，将重塑远程客服、线上教育、虚拟数字人接待、远程医疗问诊等应用场景。企业可快速搭建高真实感的虚拟视频接待角色，大幅降低视频数字人内容制作成本。但与此同时，高度拟真的实时视频 AI 也带来新的安全挑战，虚拟身份伪造、深度伪造诈骗等风险随之上升，配套的身份核验与内容鉴别手段亟待同步完善。
该模型目前处于预览测试阶段，后续还会持续优化长对话稳定性、多场景情绪表达，逐步开放 API 接口，面向开发者提供实时视频数字人接入能力。随着拟真视频交互技术持续迭代，未来线上视频沟通的人机边界或将进一步模糊。
