Original post · AI translation
实时视频是 AI 智能体的下一个交互界面，而如今技术已经为此做好了准备。
Atmanity 发布了 Atmee v2，这是一款实时 AI 虚拟形象模型，能将 1 张照片和某人 10 秒的语音变成一个可以实时视频通话的会说话的角色。
也就是说，现在任何应用都能像添加聊天框或语音功能一样，为自己的 AI 添加一张面孔。
这由 2 个模型共同完成。Atmee v2 负责渲染面部和身体。另一个模型 Causeur 则驱动角色的行为和回应，让其表情和手势随对话变化。
文本和语音智能体已经很好用。有了面孔，用户就更容易与导师、教练和客服智能体交谈。
开发者可通过 API 使用它，邀请码可从 atmee[.]ai 获取。
Google 收购了我的 AR 初创公司后，我开始思考下一个交互界面，这次是面向 AI 的。文本和语音都很好用，就像 Mac 出现之前的 DOS 一样。但没有什么比面对面交流更直观。
经过 2 年研究，今天我们推出 Atmee v2：一款实时虚拟形象模型，让实时视频智能体显得真正栩栩如生。
• 只需 1 张图片和 10 秒音频，即可生成任意角色
• 根据上下文做出表情、手势，甚至与环境互动
• 支持实时视频通话、纯语音或视频生成
Atmee v2 的核心是一个视频基础模型，它可以渲染任何内容，但专门针对角色表现进行了优化，而角色也是 Seedance 2.5 和 Wan 3.0 等视频模型的主要用途。相比之下：
Atmee v2
• 速度最高可提升 50 倍
• 成本降低 10 至 100 倍
打造导师、销售教练、客服智能体、陪伴角色、游戏角色，甚至完整的鲜活世界。继文本和语音之后的交互界面，从今天开始。
Original
After Google acquired my AR startup, I started thinking about the next interface, this time for AI. Text and voice work fine, just like DOS did before the Mac. But nothing’s more intuitive than face to face. After two years of research, today we’re launching Atmee v2: a real-time avatar model that makes live video agents feel truly life-like. • Any character from 1 image + 10s of audio • Contextual expressions, gestures, even interacting with the environment • Live video calls, voice only, or video generation At its core, Atmee v2 is a video foundation model, it can render anything, but it’s built to excel at characters, which is what video models like Seedance 2.5 and Wan 3.0 are mostly used for. In comparison: Atmee v2 • Up to 50x faster • 10-100x cheaper Build tutors, sales coaches, support agents, companions, game characters, even whole living worlds. The interface after text and voice starts today.