据通义实验室消息，最新发布的Wan-Streamer v0.2是一个面向实时双工交互的端到端全模态理解与生成模型，它将“听、看、说、演”统一进单个Transformer，实现了550毫秒的端到端响应延迟，让AI能够像真人一样边听、边看、边回应。
Wan-Streamer v0.2将用户的文本、音频、视频输入与智能体的输出统一映射到同一条因果时间线上，并引入了流式单元的概念，大约每160毫秒完成一次完整的感知、理解、生成与解码闭环。这意味着AI无需等待用户说完一整句话，而是在每一小段时间里同步完成交互，从根本上解决了传统级联流水线系统卡顿、声画不同步的问题。
在性能上，v0.2实现了三大核心提升。极致低延迟方面，端到端响应延迟控制在550毫秒，其中模型延迟仅200毫秒，网络延迟350毫秒。画质方面，输出分辨率从v0.1的192×336大幅提升至640×368，帧率达25FPS，微表情和场景细节清晰可见，AI不再只是“悬浮的头部”，其视线方向、身体姿态和手势动作都能自然呈现。功能上，模型原生支持文本、音频、视频的实时理解与同步生成，无需外部模块拼装。对比市面主流系统，Wan-Streamer同时具备视频感知、视频输出、全双工交互、端到端架构且响应延迟控制在1秒内。
为实现高画质与低延迟的平衡，v0.2采用了Thinker-Performer双通路与Ulysses并行架构。Thinker作为“大脑”，部署在单张GPU上，负责流式音视频感知、语言与状态更新、构建K/V缓存及音频解码，确保200毫秒的极低响应。Performer则作为“渲染团队”，扩展为多GPU的Ulysses式上下文并行集群，专门承担640×368高分辨率视频生成的重载计算，通过序列并行机制将长视频序列切分给多张显卡分工合作、并行去噪。两条通路的工作窗口时序重叠，当Performer后台处理当前帧时，Thinker已在处理下一帧输入并解码上一帧音频，从而将额外视觉生成成本从延迟敏感路径中剥离。
Wan-Streamer支持高度自由的角色生成能力，只要能用自然语言描述，就能实时呈现虚拟角色进行面对面交流，典型应用场景包括视频通话式AI助手、场景化陪伴与教育、沉浸式游戏（881275）NPC以及面向听障和视障用户的无障碍交互。
原文：Wan-Streamer v0.2：响应延迟仅550ms，让 AI 真正与你"面对面"（来源：通义实验室）
