黄牛号贩子跑腿代挂号微信需要挂号联系客服各大医院服务项目！专家挂号，办理住院加快．检查加快，产科建档，指名医生挂号北京，上海，南京，天津．广州，各大医院代挂号

　　近日，Soul App AI团队(Soul AI Lab)发布开源模型SoulX-LiveAct。作为新的实时数字人生成方案，SoulX-LiveAct通过 Neighbor Forcing(同扩散步对齐的自回归条件传播)与 ConvKV Memory(KV 记忆压缩)，让 AR diffusion 从“能流式”走向“可真正长时稳定地实时流式”。

　　现阶段，伴随着AI技术在数字人直播、视频播客、实时互动等场景快速普及，行业应用层对模型的实际需求正在从“能生成”走向“能长期稳定生成”。但在真实落地场景里，数字人生成一直面临一个难题：视频生成一旦拉长到分钟甚至小时级，画面稳定性与一致性会明显下降——常见问题包括身份漂移、细节丢失、画面闪烁，以及实时推理成本随时长上升等。

　　如何让数字人视频在流式实时推理下做到小时级甚至无限长度、同时保持身份一致/细节稳定/口型精准？

　　此次开源的SoulX-LiveAct能够在 2 张 H100/H200 条件下，达到 20 FPS 的实时流式推理能力，且支持输入图像、音频和指令驱动，生成表情生动、情绪可控、拥有丰富全身动作的实时数字人视频。通过不断开源不同技术路线的模型，Soul AI团队为开源社区及行业提供了差异化的实时数字人方案，覆盖各种硬件条件、不同应用落地的开发者实际需求。

　　SoulX-LiveAct 三大亮点

　　1) 恒定显存：真正支持无限时长生成

　　过去的 AR diffusion 往往依赖 KV cache 记忆历史信息，但缓存会随视频长度线性增长——视频一长，不是爆显存，就是不得不丢历史，稳定性随之崩掉。SoulX-LiveAct 从“条件传播方式”和“历史记忆管理”两个层面解决了这一瓶颈，创新机制使系统既能“带得动”长时历史，又不会因缓存膨胀而拖慢推理，从而在机制上具备小时级甚至更长时长的持续生成能力。

　　2) 实时吞吐：2 张 H100/H200 即可 20 FPS 流式推理

　　在 512×512 分辨率下，SoulX-LiveAct 仅需 2 张 H100/H200 即可达到 20 FPS 的实时流式推理能力，端到端延迟约 0.94s。同时，单帧计算成本降低到 27.2 TFLOPs / frame，在追求实时的条件下显著减轻算力压力，为线上部署提供更现实的成本方案。

　　3) 长时一致：身份稳定 + 细节不“掉件”

　　长视频最容易“翻车”的不是第一分钟，而是第十分钟、第三十分钟：常见现象包括脸漂、发型/衣纹漂移、饰品忽隐忽现，甚至口型逐步失配。在报告的长时对比中，基线方法普遍出现不同程度的身份漂移与细节不稳定；而 SoulX-LiveAct 能在更长时间窗口内保持身份一致性与关键细节持续稳定(如配饰与衣物纹理不“掉件”)。

　　原理介绍：

　　SoulX-LiveAct 面向小时级实时数字人动画的流式生成，整体采用 AR Diffusion(自回归扩散)范式，并围绕“长时一致 + 恒定显存”构建两条核心机制：Neighbor Forcing 与 ConvKV Memory。

　　AR Diffusion 主干：按 chunk/帧块自回归生成，每个 chunk 内采用扩散建模细节，chunk 间通过条件上下文承接运动与身份信息，实现流式推理闭环。

　　Neighbor Forcing(邻近强制)：在自回归链上，不传播“不同扩散步”的状态，而是传播 同扩散步 ttt 下的相邻帧 latent 作为条件，使上下文与当前预测处于同一噪声语义空间(step-aligned)，显著降低训练/推理中的分布不一致。

　　ConvKV Memory(卷积式 KV 记忆)：将历史 attention KV 记忆从“线性增长的 cache”改为“短期精确 + 长期压缩”的组合：

　　近期 KV 保留高精度窗口(保证局部一致与细节稳定)

　　远期 KV 通过轻量 1D conv 按固定压缩比滚动压缩(例如报告示例 λ=5)，把历史信息压缩进固定长度表示，从而实现常量显存推理。

　　RoPE Reset(位置对齐)：配合 ConvKV Memory 的“压缩+滑动窗口”，通过 RoPE reset 做位置编码对齐，避免长序列位置漂移，强化长时稳定。

LiveAct 推理时序 + Memory 结构示意图

　　SoulX-LiveAct 的训练目标不是只追求视频质量，而是显式对齐流式推理的长时误差传播，使模型在“越长越不稳”的场景下仍能保持身份与细节稳定。

　　Neighbor Forcing 对齐训练分布：训练时强制模型在同扩散步语境下接收来自“相邻帧”的条件 latent，减少 AR 链中跨步噪声空间不一致带来的优化震荡，使模型更好学到稳定的时序承接规则。

　　长时一致性导向的自回归训练构造：训练样本按 chunk 方式组织，显式覆盖“连续 chunk 合成 → 误差累积 → 再纠正”的过程，让模型在训练期就暴露并学习处理长时漂移问题，而不是仅在短 clip 上拟合。