虎牙发布VAM 1.0实时多模态AI数字人模型

在2026世界人工智能大会期间，虎牙于腾讯主办的AI应用创新论坛正式推出基于DiT架构的实时多模态基础模型——虎牙VAM 1.0。

该模型仅需输入一张静态图像，即可生成具备语音表达、歌唱能力与肢体动作的AI数字人，并实现低延迟实时互动。所生成的数字人主播在语音自然度、口型同步精度、微表情细腻度等方面均达到高度拟真水平，现场体验极具沉浸感。

模型支持480×832分辨率下每秒28帧的稳定流式输出，可持续运行超过24小时。其交互系统覆盖静默、聆听、说话三种自然状态，具备全双工对话能力，支持用户随时打断并实现语义连贯、响应流畅的自然过渡。