まず、ここだけ

  • 画像1枚と約10秒の音声から、文脈に沿う表情と身振りを持つリアルタイムの映像相手を作れる。
  • 動画基盤モデルだが人物に最適化し、Seedance 2.5やWan 3.0と比べ最大50倍速く費用は10〜100分の1。
  • 元Phiar創業者のChen-Ping Yu氏が2年の研究の末に公開し、ライブ通話・音声のみ・動画生成に対応する。

テキストと音声の次は、顔と顔の界面

The interface after text and voice starts today.

GoogleがARナビのスタートアップPhiarを買収したあと、創業者のChen-Ping Yu氏（@yuchenping）はAIの次の界面を考え始めた。テキストと音声はDOSのように機能しても、より直感的なのは対面だという。2年の研究を経て11月4日、リアルタイムアバターモデルAtmee v2を公開した。

参照先[1]

人物に寄せた動画基盤モデルの速度と費用

中核は動画の基盤モデルで、描ける対象は広い。作り込みの重心は人物にあり、Yu氏はSeedance 2.5やWan 3.0が主に使われるのもキャラクター表現だと指摘する。Atmee v2はその用途を、速さと費用で取りにいく設計だと対比している。

項目内容
位置づけリアルタイムのアバター向け動画基盤モデル
比較対象Seedance 2.5、Wan 3.0が担う人物表現
速度最大50倍速い
費用10〜100分の1
表現文脈に沿う表情、身振り、環境との相互作用

参照先[1]

1枚の画像から始める三つの出し方

必要な素材は画像1枚と約10秒の音声だ。出力はライブの映像通話、音声のみ、動画生成の三形態。公開ポストは閲覧約153万回、いいね6171、リポスト403、保存4208に達している。試す入口はhttps://www.atmee.ai/v2signupで、APIは招待制。発信元はリアルタイム映像エージェントを手がけるAtmanityだ。

  • 家庭教師のように説明する相手
  • 営業コーチやサポート担当
  • 寄り添って対話するコンパニオン
  • 環境と応答し続けるキャラクターの世界

参照先[1]

話題の元投稿

作者の投稿や紹介を、X で確認できます。

よくある質問

Atmee v2は人物専用のモデルなのか

何でも描ける動画基盤モデルだと説明されている。最適化しているのはキャラクターで、ライブの映像エージェントを生きているように感じさせることが目的だ。

参照先[1]

参考リンク

  1. Atmee v2 関連ソース (1)x.com