LPM 1.0是一个拥有17B参数的扩散变压器（Diffusion Transformer），专为实时全双工对话式AI视频生成而设计。其主要优点包括低至0.35秒的延迟、身份一致的无限长度视频输出、跨任何角色风格的零样本泛化能力以及多模态条件控制等。背景方面，它是一个学术研究项目，目前没有开源或商业化产品计划。价格上，在发布周年度计划可享4折优惠，购买年度计划可以解锁优先队列并生成更多AI视频。该产品定位为先进的AI视频生成解决方案，为用户提供高效、高质量的视频生成体验。
需求人群：
["- 视频创作者：对于视频创作者来说，LPM 1.0的实时视频生成能力和低延迟特性可以大大提高创作效率，节省时间和精力。其支持多种角色风格和多模态条件控制的功能，能够满足创作者多样化的创意需求，帮助他们轻松创作出高质量的视频作品。", "- 教育工作者：在教育领域，LPM 1.0可以用于创建生动有趣的教学视频，通过全双工对话式的视频内容，提高学生的学习兴趣和参与度。同时，其身份一致的特性可以确保教学内容的连贯性和专业性。", "- 企业营销人员：企业营销人员可以利用LPM 1.0生成具有吸引力的营销视频，通过个性化的角色形象和自然流畅的对话，更好地传达品牌信息，吸引客户的关注，提升营销效果。"]
使用场景示例：
视频创作者使用LPM 1.0快速生成具有多种角色风格的动画视频，用于社交媒体宣传。
教育机构利用该模型制作全双工对话式的教学视频，提高学生的学习效果。
企业营销部门通过LPM 1.0生成定制化的产品宣传视频，提升品牌影响力。
产品特色：
实时全双工对话式AI视频生成：LPM 1.0能够实现实时的全双工对话式AI视频生成，在生成过程中，角色可以同时进行说话和倾听的动作，实现自然流畅的交互对话，为用户带来更加真实和生动的视频体验。
低延迟视频输出：该模型具有极低的延迟，仅需0.35秒即可生成视频，在480P和720P分辨率下以24fps的帧率输出，能够满足用户对实时性的要求，让视频生成更加高效快捷。
身份一致的无限长度视频：LPM 1.0可以在无限长度的视频生成过程中保持角色身份的一致性，即使进行长达22分钟甚至45分钟的连续全双工对话，也不会出现身份漂移的问题，确保视频内容的连贯性和稳定性。
零样本泛化支持多种角色风格：它支持跨任何角色风格的零样本泛化，无论是逼真的人类形象、2D动漫角色、3D游戏角色还是非人形生物，都无需进行微调或特定领域的训练，即可实现AI视频的生成，大大扩展了应用范围。
多模态条件控制：模型通过文本、音频和图像进行多模态条件控制，用户可以根据自己的需求，利用不同的文本描述、音频信息和图像素材来精确控制视频的生成，实现个性化的视频创作。
使用教程：
1. 访问LPM 1.0的官方网站https://lpm-ai.org。
2. 在网站上选择合适的年度计划并进行购买，以获取使用权限和优先队列。
3. 准备好用于视频生成的文本、音频和图像等素材。
4. 根据自己的需求，在网站上设置视频的角色风格、分辨率、帧率等参数。
5. 上传准备好的素材，并输入相关的文本描述，启动视频生成过程。
6. 等待视频生成完成，下载生成的视频并进行后续处理。
浏览量：28
LPM 1.0是17B参数模型，实时生成全双工AI视频，低延迟身份一致。
LPM 1.0是一个拥有17B参数的扩散变压器（Diffusion Transformer），专为实时全双工对话式AI视频生成而设计。其主要优点包括低至0.35秒的延迟、身份一致的无限长度视频输出、跨任何角色风格的零样本泛化能力以及多模态条件控制等。背景方面，它是一个学术研究项目，目前没有开源或商业化产品计划。价格上，在发布周年度计划可享4折优惠，购买年度计划可以解锁优先队列并生成更多AI视频。该产品定位为先进的AI视频生成解决方案，为用户提供高效、高质量的视频生成体验。
创新的AI视频生成器，快速实现创意视频。
Luma AI的Dream Machine是一款AI视频生成器，它利用先进的AI技术，将用户的想法转化为高质量、逼真的视频。它支持从文字描述或图片开始生成视频，具有高度的可扩展性、快速生成能力和实时访问功能。产品界面用户友好，适合专业人士和创意爱好者使用。Luma AI的Dream Machine不断更新，以保持技术领先，为用户提供持续改进的视频生成体验。
低延迟语音模型，生成逼真语音
Sonic是由Carteisa团队开发的低延迟语音模型，旨在为各种设备提供逼真的语音生成能力。该模型利用了创新的状态空间模型架构，以实现高分辨率音频和视频的高效、低延迟生成。Sonic模型的延迟仅为135毫秒，是同类模型中最快的。Carteisa团队专注于优化智能的效率，使它更快、更便宜、更易于访问。Sonic模型的发布，标志着实时对话式AI和长期记忆的计算平台的初步进展，预示着未来AI在实时游戏、客户支持等领域的新体验。
基于 AI 技术生成视频内容的智能服务。
清影 AI 视频生成服务是一个创新的人工智能平台，旨在通过智能算法生成高质量的视频内容。该服务适合各种行业用户，能够快速便捷地生成富有创意的视觉内容。无论是商业广告、教育课程还是娱乐视频，清影 AI 都能提供优质的解决方案。该产品依托于先进的 GLM 大模型，确保生成内容的准确性与丰富性，同时满足用户个性化需求。提供免费试用，鼓励用户探索 AI 视频创作的无限可能。
利用AI技术快速生成视频内容
AI视频生成神器是一款利用人工智能技术，将图片或文字转换成视频内容的在线工具。它通过深度学习算法，能够理解图片和文字的含义，自动生成具有吸引力的视频内容。这种技术的应用，极大地降低了视频制作的成本和门槛，使得普通用户也能轻松制作出专业级别的视频。产品背景信息显示，随着社交媒体和视频平台的兴起，用户对视频内容的需求日益增长，而传统的视频制作方式成本高、耗时长，难以满足快速变化的市场需求。AI视频生成神器的出现，正好填补了这一市场空白，为用户提供了一种快速、低成本的视频制作解决方案。目前，该产品提供免费试用，具体价格需要在网站上查询。
Freepik AI 视频生成器，基于人工智能技术快速生成高质量视频内容。
Freepik AI 视频生成器是一款基于人工智能技术的在线工具，能够根据用户输入的初始图像或描述快速生成视频。该技术利用先进的 AI 算法，实现视频内容的自动化生成，极大地提高了视频创作的效率。产品定位为创意设计人员和视频制作者提供快速、高效的视频生成解决方案，帮助用户节省时间和精力。目前该工具处于 Beta 测试阶段，用户可以免费试用其功能。
通过文本生成高质量AI视频
Sora视频生成器是一个可以通过文本生成高质量AI视频的在线网站。用户只需要输入想要生成视频的文本描述,它就可以使用OpenAI的Sora AI模型,转换成逼真的视频。网站还提供了丰富的视频样例,详细的使用指南和定价方案等。
数字孪生视频对话平台
Tavus Conversational Video Interface (CVI) 是一个创新的视频对话平台，它通过数字孪生技术提供面对面的互动体验。该平台具备低延迟（少于一秒）的即时响应能力，结合先进的语音识别、视觉处理和对话意识，为用户提供丰富、自然的对话体验。平台易于部署和扩展，支持自定义LLM或TTS，适用于多种行业和场景。
利用AI技术，将文字和图像转化为创意视频。
通义万相AI创意作画是一款利用人工智能技术，将用户的文字描述或图像转化为视频内容的产品。它通过先进的AI算法，能够理解用户的创意意图，自动生成具有艺术感的视频。该产品不仅能够提升内容创作的效率，还能激发用户的创造力，适用于广告、教育、娱乐等多个领域。
低延迟的实时语音交互API
Realtime API 是 OpenAI 推出的一款低延迟语音交互API，它允许开发者在应用程序中构建快速的语音到语音体验。该API支持自然语音到语音对话，并可处理中断，类似于ChatGPT的高级语音模式。它通过WebSocket连接，支持功能调用，使得语音助手能够响应用户请求，触发动作或引入新上下文。该API的推出，意味着开发者不再需要组合多个模型来构建语音体验，而是可以通过单一API调用实现自然对话体验。
全本地AI语音聊天工具，低延迟，高效率。
voicechat2是一个基于WebSocket的快速、完全本地化的AI语音聊天应用程序，使用户能够在本地环境中实现语音到语音的即时通讯。它利用了AMD RDNA3显卡和Faster Whisper技术，显著降低了语音通讯的延迟，提高了通讯效率。该产品适用于需要快速响应和实时通讯的开发者和技术人员。
HappyHorse 1.0可将文本或图像转化为高清AI视频，有免费额度，免信用卡试用。
HappyHorse 1.0是一个基于先进人工智能技术的视频生成平台，其重要性在于为创作者提供了便捷、高效的视频创作途径。该平台的主要优点包括：支持文本和图像转视频，输出高清视频，具备商业使用许可，提供免费额度，无需信用卡即可试用。产品定位为满足创作者和团队对于高质量视频制作的需求，适用于社交媒体内容创作、营销广告等领域。价格方面，有不同质量和时长的套餐可供选择，例如标准质量5秒180积分，10秒360积分；Pro质量5秒240积分，10秒480积分。
开源的全双工音频生成基础模型
hertz-dev是Standard Intelligence开源的全双工、仅音频的变换器基础模型，拥有85亿参数。该模型代表了可扩展的跨模态学习技术，能够将单声道16kHz语音转换为8Hz潜在表示，具有1kbps的比特率，性能优于其他音频编码器。hertz-dev的主要优点包括低延迟、高效率和易于研究人员进行微调和构建。产品背景信息显示，Standard Intelligence致力于构建对全人类有益的通用智能，而hertz-dev是这一旅程的第一步。
Wan2GP 是一个优化后的开源视频生成模型，专为低配置 GPU 用户设计，支持多种视频生成任务。
Wan2GP 是基于 Wan2.1 的改进版本，旨在为低配置 GPU 用户提供高效、低内存占用的视频生成解决方案。该模型通过优化内存管理和加速算法，使得普通用户也能在消费级 GPU 上快速生成高质量的视频内容。它支持多种任务，包括文本到视频、图像到视频、视频编辑等，同时具备强大的视频 VAE 架构，能够高效处理 1080P 视频。Wan2GP 的出现降低了视频生成技术的门槛，使得更多用户能够轻松上手并应用于实际场景。
使用简单的提示和图像生成视频片段。
Adobe Firefly 是一款基于人工智能技术的视频生成工具。它能够根据用户提供的简单提示或图像快速生成高质量的视频片段。该技术利用先进的 AI 算法，通过对大量视频数据的学习和分析，实现自动化的视频创作。其主要优点包括操作简单、生成速度快、视频质量高。Adobe Firefly 面向创意工作者、视频制作者以及需要快速生成视频内容的用户，提供高效、便捷的视频创作解决方案。目前该产品处于 Beta 测试阶段，用户可以免费使用，未来可能会根据市场需求和产品发展进行定价和定位。
AI驱动的视频生成工具，一键生成高质量营销视频
小视频宝（ClipTurbo）是一个AI驱动的视频生成工具，旨在帮助用户轻松创建高质量的营销视频。该工具利用AI技术处理文案、翻译、图标匹配和TTS语音合成，最终使用manim渲染视频，避免了纯生成式AI被平台限流的问题。小视频宝支持多种模板，用户可以根据需要选择分辨率、帧率、宽高比或屏幕方向，模板将自动适配。此外，它还支持多种语音服务，包括内置的EdgeTTS语音。目前，小视频宝仍处于早期开发阶段，仅提供给三花AI的注册用户。
AI语音和视频生成
Listnr AI是一款由AI驱动的语音和视频生成工具。它提供900多种语音和142种语言选择，可以生成逼真的语音和视频内容。用户可以免费开始使用，并在需要时选择付费计划。Listnr AI适用于各种场景，包括生成视频、创建语音广告、制作音频文章、播客制作等。它提供透明的定价，用户可以根据自己的需求选择合适的付费计划。
Mistral Small 3 是一款开源的 24B 参数模型，专为低延迟和高效性能设计。
Mistral Small 3 是由 Mistral AI 推出的一款开源语言模型，具有 24B 参数，采用 Apache 2.0 许可证。该模型专为低延迟和高效性能设计，适合需要快速响应的生成式 AI 任务。它在多任务语言理解（MMLU）基准测试中达到 81% 的准确率，并且能够以每秒 150 个标记的速度生成文本。Mistral Small 3 的设计目标是提供一个强大的基础模型，用于本地部署和定制化开发，支持多种行业应用，如金融服务、医疗保健和机器人技术等。该模型未使用强化学习（RL）或合成数据训练，因此在模型生产管线中处于较早期阶段，适合用于构建推理能力。
AI视频创作工具，将老照片转化为动态视频。
京亦智能AI视频生成神器是一款利用人工智能技术，将静态的老照片转化为动态视频的产品。它结合了深度学习和图像处理技术，使得用户能够轻松地将珍贵的老照片复活，创造出具有纪念意义的视频内容。该产品的主要优点包括操作简便、效果逼真、个性化定制等。它不仅能够满足个人用户对于家庭影像资料的整理和创新需求，也能为商业用户提供一种新颖的营销和宣传方式。目前，该产品提供免费试用，具体价格和定位信息需进一步了解。
低延迟、高质量的端到端语音交互模型
LLaMA-Omni是一个基于Llama-3.1-8B-Instruct构建的低延迟、高质量的端到端语音交互模型，旨在实现GPT-4o级别的语音能力。该模型支持低延迟的语音交互，能够同时生成文本和语音响应。它在不到3天的时间内使用仅4个GPU完成训练，展示了其高效的训练能力。
AI视频生成工具
Sora AI Video Generator是一款用于生成AI视频的工具。它可以根据提供的文本内容，自动合成出高质量的视频。该工具具有智能视频编辑、自动配乐、特效添加等功能，可以满足用户在影视制作、广告制作、社交媒体营销等领域的需求。定价方面，请访问官方网站了解详情。
为开发者构建人类般的对话语音AI
Retell AI是一个能够帮助开发者在一天内构建人类般对话语音AI的API。它具有大约800毫秒的响应时间，并能够处理中断。使用Retell AI，您可以体验到与真实对话一样自然和流畅的交互。
Mac端私密语音转文本应用，80ms低延迟，三引擎可选，本地处理
Dictato是一款专为Mac设计的语音转文本应用程序，适用于作家、开发者和专业人士。它使用Whisper、Parakeet或Apple引擎进行语音转录，具有80ms的低延迟，实现近乎即时的转录。该应用100%在本地设备上运行，无需云服务，确保用户数据的隐私和安全。适用于macOS 14及以上版本，且需要Apple Silicon芯片。价格为一次性支付9.99美元，包含两年免费更新。其主要优点包括快速转录、隐私保护、多语言支持、无时间限制和多引擎选择。
AI视频生成平台
Synthesia是一款AI视频生成平台，可以帮助用户在超过120种语言中创建专业的视频，无需麦克风、摄像头或演员。它提供了AI化身和语音合成功能，用户可以通过简单的操作创建高质量的视频内容。Synthesia适用于各种场景，包括广告制作、教育培训、视频营销等。平台提供灵活的定价方案，用户可以根据自己的需求选择适合的套餐。
AI视频生成工具
QuickVideo是一款先进的AI视频生成工具，简化了视频制作流程。使用AI人物形象和配音，快速创建专业级别的工作室品质视频。它包括文本到视频生成、视频个性化、对话式视频机器人等功能。无需相机，只需文本即可制作精美视频。
AI赋能的短视频生产平台，批量生成多样化视频内容。
Giga视频超级工厂是一款基于AI技术，融合多项智能能力的视频生产平台。它通过智能化技术和工业化生产线，实现短视频的批量生产，让创意快速变为现实。产品具备视频生视频、图文生视频、报纸生视频以及视频智能翻译等功能，适用于新闻报道、企业宣传、活动推广等多种场景，助力用户高效制作并传播视频内容。
OfoxAI统一大模型API网关，一个API接入100+模型，低延迟易集成。
OfoxAI是一个统一的大模型API网关，它为开发者和企业提供了便捷的AI服务接入方式。其重要性在于可以通过一个API接入GPT - 5.4、Claude Opus 4.6、Gemini 3.1、DeepSeek V3.2等100+模型，解决了多模型接入的繁琐问题。主要优点包括全球加速低延迟，能让开发者在全球范围内获得可靠的API访问；兼容OpenAI接口，只需简单替换URL，现有代码就能继续使用，3分钟即可完成集成；提供99.9%的SLA，保证服务的高可用性。产品背景是为了满足开发者快速部署AI应用的需求。价格方面，有免费层可使用10个免费模型，具体使用根据用量付费。定位是面向开发者和企业，帮助他们快速、高效地接入多种大模型。
© 2026 AIbase 备案号：闽ICP备08105208号-14