当前实时数字人产业正面临长时生成不稳定、显存成本高、细节易漂移等现实瓶颈，AI 技术的架构创新成为破局关键。近期，Soul AI Lab 发布 SoulX-LiveAct 开源模型，以独创机制实现小时级稳定流式生成与恒定显存占用，相关技术突破在 Soul 上市推进过程中，成为平台技术布局的重要组成部分。在 Soul IPO 稳步推进的阶段，这套面向真实商用场景的解决方案，不仅回应了行业对稳定交互的迫切需求，也进一步凸显了平台在多模态 AI 领域的深耕成果。

如何让数字人视频在流式实时推理下做到小时级甚至无限长度、同时保持身份一致/细节稳定/口型精准？此次开源的SoulX-LiveAct能够在 2 张 H100/H200 条件下，达到 20 FPS 的实时流式推理能力，且支持输入图像、音频和指令驱动，生成表情生动、情绪可控、拥有丰富全身动作的实时数字人视频。通过不断开源不同技术路线的模型，Soul AI团队为开源社区及行业提供了差异化的实时数字人方案，覆盖各种硬件条件、不同应用落地的开发者实际需求。

• Project Page: https://soul-ailab.github.io/soulx-liveact/ • Technical Report: https://arxiv.org/abs/2603.11746 • Source Code: https://github.com/Soul-AILab/SoulX-LiveAct • Hugging Face: https://huggingface.co/Soul-AILab/LiveAct

SoulX-LiveAct 三大亮点

1) 恒定显存：真正支持无限时长生成

过去的 AR diffusion 往往依赖 KV cache 记忆历史信息，但缓存会随视频长度线性增长——视频一长，不是爆显存，就是不得不丢历史，稳定性随之崩掉。SoulX-LiveAct 从“条件传播方式”和“历史记忆管理”两个层面解决了这一瓶颈，创新机制使系统既能“带得动”长时历史，又不会因缓存膨胀而拖慢推理，从而在机制上具备小时级甚至更长时长的持续生成能力。

2) 实时吞吐：2 张 H100/H200 即可 20 FPS 流式推理

在 512×512 分辨率下，SoulX-LiveAct 仅需 2 张 H100/H200 即可达到 20 FPS 的实时流式推理能力，端到端延迟约 0.94s。同时，单帧计算成本降低到 27.2 TFLOPs / frame，在追求实时的条件下显著减轻算力压力，为线上部署提供更现实的成本方案。

3) 长时一致：身份稳定 + 细节不“掉件”

长视频最容易“翻车”的不是第一分钟，而是第十分钟、第三十分钟：常见现象包括脸漂、发型/衣纹漂移、饰品忽隐忽现，甚至口型逐步失配。在报告的长时对比中，基线方法普遍出现不同程度的身份漂移与细节不稳定；而 SoulX-LiveAct 能在更长时间窗口内保持身份一致性与关键细节持续稳定（如配饰与衣物纹理不“掉件”）。

依托模型表现，SoulX-LiveAct 将能够在“长期在线”数字人直播间、AI教育、智慧柜员、知识付费、播客录制、开放世界互动等方向快速落地，例如，在线开放世界的NPC互动中，要求“说得像、动得像、一直像”，SoulX-LiveAct 在全身数据集 EMTD 上的同步与质量指标领先，并支持实时流式推理，适合在数字空间里实现长时间在线的、具备情绪动作表达的角色交互。

今年，在实时数字人生成方向，Soul AI 团队已陆续开源了SoulX-FlashTalk、SoulX-FlashHead，前者是首个能够实现0.87s亚秒级超低延时、32fps高帧率，并支持超长视频稳定生成的14B数字人模型；后者是1.3B轻量化模型，可实现在单张消费级显卡（ RTX 4090 ）上跑出96FPS的工业级速度。

除了实时数字人生成方向的SoulX-FlashTalk、SoulX-FlashHead、SoulX-LiveAct ，现阶段，Soul AI团队还开源了播客语音合成模型SoulX-Podcast、歌声合成模型 SoulX-Singer、全双工语音对话控制模块SoulX-Duplug，综合来看，团队围绕“实时交互”这一核心领域，在多模态方向不断夯实技术基建，同时通过工程化部署方案将技术推向可真正工业级应用阶段。

而坚持开源方向，Soul不仅完成了自身AI基础设施的持续升级，还通过携手全球开发者，持续拓展“AI+”的新落地场景，共同推动AI应用生态的建设。

从解决身份漂移、细节丢失到实现低成本实时推理，SoulX-LiveAct 以工程化思维补齐了长时数字人交互的关键短板。在 Soul 上市推进过程中，平台持续将前沿 AI 技术转化为可落地、可复用的行业方案，既体现了扎实的技术积累，也为 Soul IPO 构建了差异化的技术壁垒。依托完整的实时交互模型矩阵，Soul 以务实的技术落地能力，为数字人规模化商用提供了稳定可靠的支撑。

免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。

责任编辑：kj015

文章投诉热线:157 3889 8464  投诉邮箱:7983347 16@qq.com