LPM 1.0 - 蔡浩宇 AI 公司 Anuttacon 推出的视频角色表演生成模型

LPM 1.0是什么

LPM 1.0（Large Performance Model）是米哈游创始人蔡浩宇创立的AI公司Anuttacon发布的首个视频角色表演生成模型，采用17亿参数扩散Transformer架构，专注于解决AI角色表演中的"三难困境"，同时实现高表现力、实时推理与长时身份稳定性。模型创新性地采用双模型架构：Base LPM负责高质量离线生成，Online LPM则通过蒸馏实现0.35秒延迟的实时流式生成，支持长达45分钟的零身份漂移。LPM 1.0支持全双工音视频对话，能同时处理说话与倾听状态，实现情感、微表情及肢体动作的自然同步，具备零样本泛化能力，适用于写实、动漫、3D游戏及非人类角色等多种风格，目标应用于对话式智能体、虚拟直播及游戏NPC等领域。

LPM 1.0的功能特色

• 全双工音视频对话表演：支持说话与倾听状态的同时处理，角色能在对话中自然切换，实时生成倾听时的点头、眼神交流等反应，以及说话时的唇形同步和情感表达。
• 双模型架构设计：包含Base LPM（17B参数，高质量离线生成720P视频）和Online LPM（经蒸馏的因果流式生成器，低延迟实时推理480P），兼顾质量与实时性。
• 超长时身份稳定性：通过多粒度身份参考机制（表情参考图+多视角身体参考），实现长达45分钟以上的零身份漂移视频生成。
• - 多模态统一控制：支持文本提示（动作控制）、音频驱动、图像参考（角色身份）三种驱动方式，可任意组合或单独使用。
• - Zero-sample generalization capability：无需针对特定角色微调，即可支持写实、2D动漫、3D游戏及非人类角色（如狮子、狐狸）等多种风格。
• - Real-time streaming generation：Online LPM支持无限时长、低延迟（0.35秒）的实时视频生成，可与ChatGPT、豆包等音频对话模型无缝集成。
• - 多样化动作控制：涵盖眼神控制（注视、回避、上下看）、情感强度调节、头部微运动、身体微运动等精细表演动作。

LPM 1.0的核心优势

• 突破"表演三难困境"：首创性解决了AI角色表演中长期存在的三大矛盾，高表现力、实时推理与长时身份一致性难以兼得的问题，实现了三者的统一。
• 双模型架构协同：通过Base LPM与Online LPM的分工设计，保证了离线生成的高质量（720P），实现了在线实时推理的低延迟（0.35秒），兼顾视觉质量与交互体验。
• 超长时身份一致性：采用多粒度身份参考机制，支持长达45分钟以上的连续视频生成，实现零身份漂移，远超市面上大多数视频生成模型的稳定性。
• 真正的全双工交互：区别于传统单工对话模型，可同时处理说话与倾听状态，在倾听时实时生成点头、眼神交流等反应，在说话时精准同步唇形与情感，交互更加自然真实。
• 零样本风格泛化：无需针对特定角色进行微调训练，支持写实人像、2D动漫、3D游戏角色乃至非人类生物（如狮子、狐狸）等多种风格的表演生成，大幅降低使用门槛。

LPM 1.0官网是什么

• Project website：https://large-performance-model.github.io/
• arXiv Technical Paper：https://arxiv.org/pdf/2604.07823

使用LPM 1.0的操作步骤

目前仅用于学术交流不对外开放。

LPM 1.0的适用人群

• 游戏开发者与工作室：适用于需要为游戏创建智能NPC的开发者，可为角色赋予实时对话能力和自然表演，提升游戏沉浸感。
• AI应用开发者：专注于构建对话式AI智能体、虚拟助手或客服机器人的开发者，用LPM 1.0为现有音频对话模型（如ChatGPT、豆包）添加视觉表现层。
• 虚拟主播与内容创作者：从事虚拟直播、短视频创作的个人或MCN机构，可通过该模型快速生成具有情感表达和动作反应的数字人内容。
• 影视动画制作人员：需要高效生成长时角色表演动画的动画师和制作团队，用45分钟以上的身份稳定性减少重复建模工作。
• 数字人技术公司：开发数字员工、虚拟品牌代言人或智能客服的企业，可借助实时流式生成能力实现低延迟交互体验。
• 多风格角色设计师：需要创作写实、2D动漫、3D游戏角色或非人类形象（如动物角色）的概念艺术家，用零样本泛化能力快速验证不同风格的表演效果。

LPM 1.0的常见问题