Paper page - Wan-Streamer v0.2: Higher Resolution, Same Latency

来源: https://huggingface.co/papers/2607.04443
发布于 7月5日

#1 今日论文 (https://huggingface.co/papers/date/2026-07-07)
作者:

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

摘要

Wan-Streamer v0.2 通过优化的 thinker-performer 架构与多 GPU 并行处理，在保持低延迟的同时提升视觉分辨率，从而增强音视频交互体验。

我们推出了 Wan-Streamer v0.2，这是原生流式端到端音视频交互模型的延迟保持升级版本。v0.2 保留了 v0.1 的建模方案，但将交互输出流从 192x336 提升至 640x368，同时在 25 FPS 下保持了大约 200 ms 的模型端信号到信号延迟。更高分辨率的流支持基于场景的中景智能体，其姿态、目光、双手、附近物体及局部场景布局在实时对话中依然清晰可辨。为了在不增加用户感知延迟的情况下支持更大的视觉流，v0.2 保持 thinker 为单 GPU 低延迟路径，用于流式感知 (https://huggingface.co/papers?q=streaming%20perception)、构建生成缓存 (https://huggingface.co/papers?q=generation%20cache) 的短语言/状态 Transformer (https://huggingface.co/papers?q=Transformer) 传递以及最终解码 (https://huggingface.co/papers?q=final%20decoding)。performer 则变身为多 GPU Ulysses 风格上下文并行组 (https://huggingface.co/papers?q=Ulysses-style%20context-parallel%20group)，用于计算昂贵的下一单元潜变量生成。每个 performer 等级将传入的 K/V 写入预分片本地缓存 (https://huggingface.co/papers?q=pre-sharded%20local%20cache)。长高分辨率潜视频序列被跨等级拆分以进行去噪 (https://huggingface.co/papers?q=denoising)，并通过 Ulysses 通信 (https://huggingface.co/papers?q=Ulysses%20communication) 收集，而较短的音频潜序列 (https://huggingface.co/papers?q=audio%20latent%20sequence) 则无需序列分片即可生成。在这种划分下，thinker 的语言/状态计算 (https://huggingface.co/papers?q=language%2Fstate%20computation) 仅作为 K/V 条件 (https://huggingface.co/papers?q=K%2FV%20conditioning) 到达 performer，因此无需在 performer 组内传递独立的语言序列。这使额外的硬件集中于视觉生成 (https://huggingface.co/papers?q=visual%20generation)，同时保持了紧凑的 thinker-performer 边界，使得包含 350 ms 双向网络预算后的总远程交互延迟约为 550 ms。

查看 arXiv 页面 (https://arxiv.org/abs/2607.04443) 查看 PDF (https://arxiv.org/pdf/2607.04443) 项目页面 (https://wan-streamer.com/) 添加至收藏 (https://huggingface.co/login?next=%2Fpapers%2F2607.04443)

在您的智能体中获取本文：

hf papers read 2607.04443

没有最新的 CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用本文的模型0

没有模型链接本文

请在模型 README.md 中引用 arxiv.org/abs/2607.04443 以从此页面链接。

引用本文的数据集0

没有数据集链接本文

请在数据集 README.md 中引用 arxiv.org/abs/2607.04443 以从此页面链接。

引用本文的 Spaces0

没有 Space 链接本文

请在 Space README.md 中引用 arxiv.org/abs/2607.04443 以从此页面链接。

包含本文的收藏集0

没有收藏集包含本文

请将本文添加至收藏集 (https://huggingface.co/new-collection) 以从此页面链接。