Tavus官网 – 实时数字人视频生成平台｜Phoenix-4.5人像渲染模型翻译站点

Tavus官网：134毫秒延迟的实时数字人渲染平台（tavus.io）

网站简介

核心优势

• 134毫秒是眼下最快的：Phoenix-4.5的音频到画面延迟是134毫秒，官方口径比市面上其他模型快25%，端到端能跑35到40帧。对话式视频最怕的就是「说完等半秒」，这个量级的延迟已经接近人类对话里自然停顿的上限，插话、抢话都不会显得别扭。
• 从贴脸升级成整帧生成：Phoenix-4这一代只生成脸和头周围512×512的区域，再合成到预先录好的身体画面上，动作一大边缘就露馅；Phoenix-4.5改成整帧生成，脸、脖子、肩膀、躯干、衣服、背景一起出，没有合成接缝。说话时肩膀会跟着节奏动，听的时候姿态会变，这是「像人」和「像贴纸」的分界。
• 零样本，一分钟出预览：这是Phoenix系列第一款支持零样本的模型：上传一张照片或一段视频，大约一分钟就能看到预览，精调在后台跑，两小时后切换到精调模型接手——上一代要等四个小时才能看到结果。流程从「先等再看」变成「先看再调」，试错成本降得很低。
• 难搞的发型、眼镜、耳饰终于能训了：上一代对长发、眼镜、耳环、发箍这类特征经常训失败，Phoenix-4.5在测试里把64%原本失败的人像成功训了出来。身份保留度整体没退步，头对头Elo测评里，零样本版本拿到1002分，上一代精调版是929分，精调后的4.5是1069分。
• 口型同步和表现力都有实测提升：同一套内部测试集上，口型同步比Phoenix-4提升16%，动作生动度提升1.3倍。数字人「假」的感觉大半来自口型和微表情不同步，这两项直接决定观看者愿不愿意继续看下去。
• 对业务指标的影响有数据：Tavus给了一组客户侧数据：用面对面对话式AI替换纯语音交互后，销售与医疗场景的参与度提升2到3倍；学习培训场景的知识留存提高40%；销售培训的上手速度加快50%、转化率提高3倍。这些数字来自厂商自己的案例，用作参考方向可以，当结论要打折看。

发展历史

总结