Loading the catalog…
Loading the catalog…
TaoMate-H3 是阿里巴巴 TaoLive AIGC 团队基于 MiniMax H3 研发的音视频联合流式生成模型,将三步 LoRA 推理与自回归生成结合,以小片段为单位推进生成,无需等待整段视频完成,支持根据文本描述生成含对白、歌声或环境音的视频,可实现分钟级续写,提供多档横竖屏分辨率输出,大幅缩短首段内容产出时间,为直播、虚拟角色表演等场景提供技术基础。目前其推理代码与 LoRA 权重已在 GitHub 和 Hugging Face 开放,开发者可下载体验开展相关开发与研究。该模型具备三步流式生成、音视频联合生成、分钟级连续续写三大核心能力,可应用于电商讲解、角色演唱表演、动漫对白创作、环境特效生成等多种场景,其推理流程分为分段组织内容、准备音频引导、联合流式生成、解码输出四个环节,依托三步 LoRA、Self Forcing 自回归训练、音视频 KV 缓存、连续时间编码、音频轨迹引导等关键技术实现高效稳定生成,经测试在指定硬件下相比原版 MiniMax H3 生成效率大幅提升,首段内容就绪时间显著缩短。项目遵循相关开源协议,团队后续还将持续优化速度,陆续开源更多流式音视频生成模型。
What RADAR observed and classified to build this opportunity. It is what the source published, not a verification that the offer is still active.
淘宝 TaoMate-H3 开源:三步生成「分钟级」音视频连续创作. TaoMate-H3 是阿里巴巴 TaoLive AIGC 团队基于 MiniMax H3 研发的音视频联合流式生成模型,将三步 LoRA 推理与自回归生成结合,以小片段为单位推进生成,无需等待整段视频完成,支持根据文本描述生成含对白、歌声或环境音的视频,可实现分钟级续写,提供多档横竖屏分辨率输出,大幅缩短首段内容产出时间,为直播、虚拟角色表演等场景提供技术基础。目前其推理代码与 LoRA 权重已在 GitHub 和 Hugging Face 开放,开发者可下载体验开展相关开发与研究。该模型具备三步流式生成、音视频联合生成、分钟级连续续写三大核心能力,可应用于电商讲解、角色演唱表演、动漫对白创作、环境特效生成等多种场景,其推理流程分为分段组织内容、准备音频引导、联合流式生成、解码输出四个环节,依托三步…
Open sourceOpens an external website. Availability and terms may change.