mixspaceH3 · PRODUCT & TECHNOLOGY
产品与技术 BP V2.3 · 2026 年 11 月 22 日

让电影级视觉能力
进入每一次创作与交互

以新加坡为融资主体,面向全球电影、剧集、数字人市场,构建从电影级生成、专业制作、快速生成到实时互动的纵向 AI 产品线。以专业数据与后训练提升质量,以系统优化提高效率。

共享数据标准、角色资产、工作流与评测能力 · 四条产品线由 mixspace 定义

首页图片为产品概念视觉;pro / Flash 已上线,ultimate / live 按研发规划推进。

愿景与目标

从生成一个镜头,到持续创造一个角色的世界

mixspace 以新加坡为融资主体,面向全球创作者、制作机构与数字角色运营方,让专业影像创作和实时互动共享一套可积累、可控制、可迭代的 AI 能力。

以 H3-ultimate 建立质量上限,以 pro 与 Flash 提升制作效率,再把角色、声音和场景资产延伸到 H3-live 的持续互动。

质量专业影视数据与后训练
提高镜头的可用程度
生产参考控制与连续性管理
支撑系列内容交付
效率质量与生成性能平衡
提高日常成片效率
互动流式模型与实时系统
拓展数字角色的使用方式
融资主体新加坡
客户范围面向全球市场
产品布局电影 · 剧集 · 数字人
现有基础

mixspace AI 生成平台与任务工作流

现有 mixspace AI 生成平台已提供 H3-pro 与 H3-Flash,承接日常专业与快速生成任务。以素材、生成条件和审核反馈推动持续迭代,并扩展电影级与实时交互能力。

研发起点

开放权重基座,叠加自主领域能力

以 MiniMax H3 开放权重作为重点研发起点。官方 H3 是 33B 稠密音视频模型;四个产品名称为 mixspace 自定义。Live 可采用专用流式学生模型,模型选择随验证结果演进。[1]

当前产品状态:H3-pro 与 H3-Flash 已上线;H3-ultimate 与 H3-live 为研发方向。产品线共享资产、数据标准和评测体系,具体训练成果与性能按版本验证。

全球市场 · 三个主要方向

面向全球内容生产,与数字角色的持续互动

以全球电影制作机构、系列内容团队与数字角色运营方为目标客户,从制作规模、委制活动与陪伴付费三个角度识别需求。

电影

降低电影级镜头的获得成本

9,628部

2024 年全球长片产量
WIPO / Omdia · 104 个报告经济体[3]

面向全球电影公司、独立制作人与视效团队,从环境、特效与补充镜头进入,逐步覆盖精细人物表演和复杂动作。

拟解决的问题把专业摄影意图转为更高概率的合格输出,减少生成、审核与修复成本。
全球报告口径的长片生产指标,非全部网络影像产量,也不是 AI 软件采购规模。
剧集

让跨市场的系列制作更稳定

644项

2026 年上半年五大国际流媒体
在全球的内容委制项目[4]

面向剧集制作公司、流媒体内容供应商与系列内容工作室,围绕角色、场景、动作和声音建立可复用的制作能力。

拟解决的问题跨镜头、跨语言版本保持可追踪的角色与叙事状态,降低系列制作的返工。
Ampere 五平台样本;58% 为有剧本类别。委制项目不等于集数、完成产量或全球全部剧集。
数字人

把角色延伸为可付费的互动体验

1.5亿美元

2026 年第一季度全球
AI 陪伴移动应用收入估算[5]

面向全球 IP 持有人、直播运营与互动娱乐团队,先验证数字角色的持续使用价值,再拓展视频陪伴应用与成年用户。

拟解决的问题以自然表情、连续身份与及时回应,建立成本可负担的实时视频体验。
Sensor Tower 类别估算,反映全球陪伴应用付费信号;不代表实时视频或数字人直播市场总额。
全球视野下的机会判断

专业影视生成与互动数字角色面向全球客户,产品能力需覆盖多语言、不同文化语境及地区网络条件。三个指标分别反映生产、委制与应用付费,不能相加为市场规模;可服务市场按地区、客户预算和实际使用需求测算。

纵向 AI 产品线

电影 — 专业 — 快速 — 实时

四条产品线分别侧重电影质感、专业控制、质量与性能平衡、实时交互。pro 与 Flash 已上线,均支持日常正式生成;ultimate 与 live 继续推进专项研发。

电影级生成

H3-ultimate

面向高要求电影镜头,提升原生画面质感与表达能力。

  • 精选影视片段与专业标注
  • 摄影、表演与动作后训练
  • 原生质量盲评与偏好优化
核心验证:专业盲评、指令遵循、合格镜头成本
专业日常生成

H3-proONLINE

面向剧集与日常专业成片,兼顾可控性与稳定交付。

  • 角色与场景参考一致性
  • 动作、镜头与声音控制
  • 连续镜头与版本工作流
核心验证:首次合格率、连续性错误、交付周期
快速日常生成

H3-FlashONLINE

面向高频正式生成,在画面质量、响应速度与成本之间取得平衡。

  • 质量约束下的少步生成
  • 条件编码和计算复用
  • 高效推理与稳定成片
核心验证:成片质量、时延与吞吐、合格内容成本
实时数字角色

H3-live

面向直播、IP 互动与视频陪伴,持续输出可响应的声画。

  • 专用头像与因果流式生成
  • 增量音视频与历史状态
  • 会话打断与长时稳定
核心验证:响应延迟、卡顿率、互动分钟成本
mixspace 统一基础

授权数据与角色资产 · 影视标注规范 · 训练与评测管线 · 任务工作流 · 反馈与版本记录

产品定位由 mixspace 定义。已上线产品持续优化质量、性能与工作流;电影级与实时能力通过独立研发和评测推进。

H3-ultimate · 电影

把电影质感训练进模型,把收益落在合格镜头上

通过高质量人工筛片和专业领域标注,提升模型对光影、材质、镜头语言、动作过程与表演意图的理解和执行。

H3-ultimate 电影概念视觉
从漂亮单帧
走向可用的电影镜头质感 · 摄影 · 表演 · 动作连续性
  1. 专业筛片,形成高质量目标分布

    对有使用与训练授权的素材做镜头切分、技术质量过滤与题材平衡,再由专业人员筛选光影、构图、动作和表演优秀的完整片段。

  2. 镜头标注,表达可执行的创作意图

    标注主体与空间关系、动作先后、景别与运镜、表情与视线、光线与声音事件。描述必须对应实际画面,未知焦距等参数不做伪标注。

  3. 领域后训练,逐步扩大适配范围

    先以 LoRA 或局部 SFT 验证数据价值;质量与容量证据支持后再扩大解冻。监督训练稳定后,构建同条件优劣片段对,探索偏好优化。

  4. 原生质量验收,分离训练和后处理收益

    固定输出规格与解码方式,对原始生成结果做专业盲评;同时检查指令遵循、动作完成度和连续性,单独报告超分、修复与调色的贡献。

研究依据 · Movie Gen+34.65 pp

论文表 7:SFT 相对预训练的整体质量净胜率,24 FPS、10.6 秒评测。其数据流程包含人工精选电影感片段与描述修订;结果属于完整训练方案,不能外推为 H3 收益。[2]

产业信号 · Netflix具体镜头的价值

Netflix 在 2025 年第二季度业绩访谈中称,《The Eternaut》一段建筑坍塌特效借助 AI 更快完成,并进入最终成片。该案例支持按制作环节验证价值,不能推导整部影片的成本降幅。[6]

用完整成本衡量质量价值

在验收标准固定时,提高一次合格概率 p,有机会减少生成与返工。完整核算还包含审核、修复、集成和数据训练摊销。

C生成/合格镜头≈cp

c 为单次生成成本;这是独立重复尝试、成本相同的简化关系,须用真实项目数据校准。

H3-pro / H3-Flash · 剧集

剧集的难点,在于连续生产中的可控与复用

一张漂亮的人物图,只是制作的起点。镜头进入剧集,需要身份、服装、道具、空间、动作和情绪状态在连续制作中保持可追踪。

H3-Flash

以快速版承接高频正式生成

围绕日常角色、场景与常规镜头,在明确的成片质量门槛下改善响应速度、吞吐与成本。生成结果直接进入审核和制作流程,兼顾高频使用与交付质量。

H3-pro

以专业版处理更强的控制要求

围绕复杂参考、角色一致性与精细动作控制,对角色、服装、场景、道具和声音建立资产版本;在相邻镜头间传递必要状态,提高专业制作的可控性。

专业质量反馈

让返工记录成为可学习的数据

记录“原任务、生成条件、问题位置、人工判断、最终版本”。经授权筛选的失败与优选片段,可回流为控制训练和偏好样本。

拟实施的连续性管理

一套角色资产,多段镜头共享

身份锚点
多视角外观、声音与角色设定,保留来源与版本。
场景状态
人物位置、道具归属、出入方向与时间条件。
表演状态
视线、情绪、未完成动作与对白节拍。
镜头约束
景别、运镜、起止状态、参照帧与验收要求。
交付记录
选用片段、审核问题、修复工时和制作成本。
优先验证

同角色、同场景的短序列,先证明连续性与返工效率,再扩大到更长的叙事单元。

脚本与资产明确任务条件pro / Flash 正式生成质量与连续性审核制作交付反馈迭代

pro 与 Flash 均可独立完成正式生成,分别侧重专业控制与质量、性能的平衡。创作者按任务要求使用对应工作流,保留统一的资产、状态与验收记录。

行业观察 · 直接对标

fal H3 Max Director:持续生成的直接对标

以 fal H3 Max 系列作为直接产品与技术对标。Max / Turbo 对照 pro / Flash 的质量与效率;Director 对照 H3-live 的持续生成、动态导演控制与运行成本。

DIRECT BENCHMARK

fal H3 Max Director

查看官方产品

Director 已提供连续音视频、会话内指令更新与上下文延续,使用 WebRTC 输出实时流。其公开 API 覆盖起始画面、单次目标尾帧、脚本节拍和音频控制。[20][23]

对标维度fal 公开能力mixspace 产品与研发重点
质量与生成效率H3 Max 通过新增数据与后训练改善指令遵循和美学;Turbo 侧重吞吐。[22]已上线 pro / Flash 持续优化正式生成;ultimate 以专业影视数据提升原生电影质感。
连续生成与控制Director 维持音视频流,支持动态 Prompt、重规划和逐片段状态反馈。[23]H3-live 研发持续互动、角色稳定、指令生效与音画同步,并分别测量端到端响应。
长期使用经济性Director 按生成视频秒计费,每会话有 60 秒最低计费。[20]在明确质量和任务范围下,通过场景专用化与模型、系统协同优化,降低持续使用成本。
相邻赛道参照

Tavus / HeyGen / D-ID实时对话头像[7][8][9]

Runway Characters实时角色互动[10]

Decart Lucy实时视频变换[11]

Odyssey交互式视频世界[12]

直接对标采用 fal 官方资料;同条件的能力、性能与成本差异需通过实际调用和版本测试建立。H3-live 为研发方向,pro / Flash 已上线。

成本效率 · 规模化使用的关键

让连续生成,进入可持续使用的成本区间

对长时直播与高频视频陪伴,持续生成成本会随使用时长累积。mixspace 的差异化目标,是在满足场景质量、响应与稳定性要求的前提下,降低每分钟的完整服务成本。

fal Director · 标准费率换算US$4.80

每生成 1 分钟视频

15 分钟完整会话US$72

按公开标准费率

累计 60 分钟生成量US$288

等效小时 · 按满时会话换算

核验于 2026 年 11 月 22 日:标准费率 US$0.08/生成视频秒,默认配置为 768p,每会话最低计费 60 秒;1080p 为标准费率的 2 倍。公开单会话默认上限 15 分钟,小时金额按 4 个满 15 分钟会话累计;短会话受最低计费影响。采用公开标准价,企业协议折扣另计。[20][21][23]

公开 API 成本基线
BAPI=0.08×∑smax(60,Ds)

Ds 为每个会话生成的视频秒数;结果单位为美元。只描述上述标准费率,不等于完整应用成本。

mixspace 成本验收

用完整成本,除以实际交付

纳入 GPU、音视频传输、应用服务、运维及数据训练摊销。影视任务看合格内容分钟;实时会话看有效服务分钟,同时报告画质、卡顿与响应。

同规格、同质量门槛、同任务范围比较。
01 · 模型专用化

按场景缩小计算范围

优先在受限角色、背景与动作空间验证专用学生模型,保留表情、身份与指令执行能力,再逐步扩展。

02 · 模型与运行协同

减少重复生成与计算

联合少步蒸馏、潜空间压缩、条件复用和增量解码;结合预热、并发与队列控制,检验真实负载下的收益。

03 · 交付效率

让质量改善进入成本结果

提高合格率、减少无效尝试与返工;同时核算空闲资源、冗余和峰值容量,验证长期运行的成本曲线。

成本优势属于需验证的研发与产品目标。当前采用 fal 公开价格建立外部基线,mixspace 的具体降幅由同条件实验和真实服务记录证明。

H3-live · 数字人

先做高质量的即时回应,再扩展角色的行动空间

在明确的角色与场景范围内建立实时体验,逐步增加全身动作、空间变化和环境交互。直播与虚拟陪伴分别验证需求。

数字人直播

一对多的持续内容

让角色围绕脚本与观众输入持续讲述、回应和执行有限动作。重点考察长时运行、内容节拍、有效互动和主播制作效率。

首期:固定角色、固定或受限场景

互动 IP

可与观众对话的角色

沿用影视角色的外观、声音与设定,持续记录会话状态。验证用户是否愿意反复与角色互动,以及资产复用是否降低制作成本。

扩展:情绪、手势、道具与场景控制

成年用户视频陪伴

有记忆、有回应的陪伴体验

围绕倾听、说话、停顿、表情和可打断的轮次,探索自然的视频会话。以留存、付费和使用时长评估新增视频成本的价值。

验证:视频体验带来的长期使用增量

两条技术任务分别推进

实时头像与上半身对话优先采用专用流式模型验证三秒响应;全身、自由运镜与场景互动再通过动作条件、状态记忆和更大范围的时空建模扩展。头像实时的公开结果不能直接外推到电影级全场景视频。

后训练让角色学会持续互动

用连续音视频、倾听和说话状态、情绪变化与打断恢复片段做时序训练;结合自生成历史,减轻长会话中的身份、表情和动作累积误差。

运行系统让声画持续到达

采用小块音频条件、历史缓存、少步生成、增量解码与统一时间戳;限制尚未播放的队列深度,让新指令及时进入后续片段。

实时体验 · 目标与证据

研发目标:三秒内开始语义声画回应

< 3秒
拟定研发目标 · 热会话端到端 P95

从用户话音结束,到首段有语义、同步的回答

以客户端实际播放作为终点。空闲眨眼、点头和预生成占位语不计为语义回答。测量同时声明硬件、画幅、帧率、并发与网络条件,冷启动单独报告。

公开研究已证明的范围

AURA:专用头像的低延迟证据

2026 年 11 月发布的 1.3B AURA,在单 H100、576p 下提供实时头像生成;演示版使用 0.5 秒块,音频到视频约 1.2 秒。该时间尚未覆盖完整对话推理、TTS 和网络;其权重为非商用许可,作为研究参考。[13][14]

H3 流式仍需继续验证

少步数不自动等于实时首播

TaoMate-H3 的公开 T2AV 基准中,8×H20、480×864、10 秒视频的首段可播放时间约 17.3 秒,另排除了内部音频准备。这个配置仍未达到三秒目标,说明 H3 全场景流与专用头像应分开规划。[16]

示意预算 · 用于研发拆解,尚非 mixspace 实测
0.25 s收音上行与
端点 / ASR 尾部
0.65 s首段回答推理
与语音生成
1.20 s音频块积累
头像生成与解码
0.30 s编码、下行
缓冲与播放
0.40 s排队与波动余量

以上预算合计 2.80 秒,含 0.40 秒排队波动预算,距离三秒门槛另留 0.20 秒余量。前提为模型、编译图和角色条件已预热。验收按真实关键路径测端到端分布,各阶段 P95 相加不等于整体 P95。

响应:端到端 P50 / P95持续:有效实时因子与卡顿比例交互:打断到新语义生效时间
高效模型 · 技术选择

场景专用化先落地,稀疏专家按证据推进

特定场景可以降低模型必须覆盖的能力范围。近期优先缩小重复计算;参数稀疏激活需要对应的模型结构和训练。

H3 的实际架构

33B dense,具备条件预计算空间

官方 H3 是稠密 Transformer。约 13B 的 AdaLN 分支可预计算缓存,推理专用部署可不加载这些分支权重;这种确定性优化不同于按场景选择专家。[1]

LoRA 的实际作用

少量训练参数,基础计算仍然存在

角色或场景 LoRA 适合低成本适配。合并权重后依然执行稠密主干,不能据此推导“只激活 1% 参数”或相同比例的推理提速。[18]

优先验证

小型专用流式模型

以受限角色、背景与动作范围训练更小的学生模型。SoulX-FlashHead 的 1.3B 头像路线提供了专用化参考;消费级 GPU 结果仍需在整链路中复测。[15]

联合优化

少步生成、潜空间与缓存

压缩重复去噪次数和视频 token,复用历史与条件编码,优化增量 VAE、算子和流水线。每项提速均回归口型、表情、细节与长时稳定。

中长期研究

按条件激活的稀疏专家

研究共享主干与少量专家的组合,验证任务分工和负载均衡。Wan2.2 的高 / 低噪声专家说明条件激活可行,但并非现成的场景专用 H3 改造。[17]

激活参数更少,需要转化为实际系统收益

设共享参数为 Pshared,每个专家参数为 Pexpert,共有 N 个专家,每次激活 k 个。公式只表达理想化参数量;实际计算还包括注意力、编解码、显存与专家通信。

Pactive≈Pshared+kPexpert

k < N;减少激活参数不等于等比例减少常驻显存、单卡成本或端到端延迟。

长期能力积累

把制作经验,沉淀为数据、控制与评测资产

开放基座提供起点。mixspace 拟持续积累的是:哪些数据能提升哪些任务,哪些条件能稳定执行,以及怎样以更低成本完成真实交付。

专业数据资产

可追踪的授权素材与领域标注

按镜头、动作、表演、光线和声音建立数据规范;保留来源、授权范围、审核版本与训练用途,避免高质量数据只停留在样片收藏。

角色与场景资产

跨生成任务复用的身份与状态

沉淀角色外观、声音、服装、空间关系与世界观;让专业制作、快速生成和实时互动共享可追踪的资产,减少每次任务重新建立条件。

制作反馈资产

从合格与失败样本中定位改进方向

经授权记录接受、拒绝、返工原因及完整条件;区分标注、筛片、训练和运行配置带来的增益,让反馈能形成对照实验。

评测与交付资产

可复现的专业任务与成本记录

面向全球使用场景,按题材、角色、语言与文化语境建立保留测试集;分地区记录端到端延迟,以盲评、指令执行、连续性和交付成本检验版本。

真实创作任务

来自现有平台与目标场景的明确需求。

专业验收反馈

记录为什么采用、为什么返工。

数据与后训练

形成可对照的质量与控制改进。

产品验证

检验成本、稳定性与持续使用价值。

全球交付的基座边界

H3 产品线面向全球市场;具体基座按使用地区与授权范围配置。MiniMax H3 当前社区许可排除美国、欧盟、英国和韩国,相关地区需另行确认适用授权或选用适用基座。新加坡融资主体不替代具体使用与交付范围的核验。[19]

该体系为拟建设的长期能力。实际数据规模、权利范围、已训练模型与质量增益,应由版本记录和可复现实验提供证据。

产品技术迭代规划

以证据推进阶段,以交付结果决定投入

以已上线的 pro / Flash 持续迭代为基础,并行推进电影质量与实时数字人研发。各方向以基线与验收结果决定下一阶段的数据、算力和场景投入。

阶段 A · 建立基线

可复现的任务与成本

在已上线 pro / Flash 的基础上固定电影 / 剧集任务集、验收规则与版本基线;同步验证专用头像链路。

推进条件
输出可复现,失败可分类,时间戳与完整成本可追踪。
阶段 B · 验证质量

数据与后训练的贡献

对照自动描述与人工修订、常规过滤与专业筛片;形成 ultimate / pro 的领域适配候选。

推进条件
盲评改善,指令遵循与动作质量不退化,独立题材成立。
阶段 C · 验证效率

快速生成与制作经济性

持续优化已上线 Flash 的质量与性能,验证少步生成、条件复用和推理配置;联合衡量时延、吞吐、合格率与完整交付成本。

推进条件
固定质量门槛下,总交付成本与周期改善。
阶段 D · 验证实时

连续会话与用户价值

在明确硬件和并发下验证三秒响应、打断恢复与长时运行;逐步扩大表情、身体和场景能力。

推进条件
延迟、卡顿和分钟成本达标,使用与付费信号支持扩展。
研发资源的使用原则

先证明数据、任务与系统改进有效,再扩大训练规模。单一精美样片或单项 FPS 指标不足以作为产品进入下一阶段的依据。

阶段顺序为规划,不是既定交付日期。排期与资源预算需在基线运行、素材可用性和目标硬件确认后确定。

从机会判断走向可验证价值

技术价值由质量、成本与持续使用共同证明

“海量市场”是长期机会判断。当前更有效的验证方式,是找到可服务的具体客户与用户,证明他们愿意反复使用,并为新增价值付费。

电影 / 剧集

制作经济性

固定验收要求,统计全部生成、审核修复、集成与数据训练摊销;比较最终合格镜头成本和项目交付周期。

关键证据:真实项目的成本与返工记录
直播 / IP 互动

可持续运行

验证内容团队的生产效率、会话稳定性与使用频次;以实际付费用量、服务成本和角色资产复用评估价值。

关键证据:长时运行与客户重复使用
成年用户陪伴

长期使用意愿

分别比较文本、语音与视频体验的留存、付费和使用时长;判断视频带来的使用增量是否覆盖新增推理成本。

关键证据:留存、转化与每互动分钟成本
市场测算框架
影视与企业侧:按地区、客户类型测算可服务客户数 × 经验证的年度支出
消费者侧:按地区、语言测算目标成年活跃用户 × 付费转化率 × 年净付费金额

各地区结果采用统一币种与统计周期,去重汇总;分别记录模型授权、服务成本与付费转化。后续以实际客户和使用数据形成全球市场的情景测算。

以新加坡为融资主体,
面向全球创作与互动市场。

mixspace 的目标,是把电影级质量、专业制作、快速生成与实时体验连成一条可积累的技术产品线,服务全球客户,并由真实交付和持续使用推动迭代。

阅读训练、流式系统与公式附录
关于创始人 · 连续创业者

把行业理解,
转化为技术与产品。

在技术中理解行业,
在行业中定义产品,
让 AI 回应真实业务场景。

从 2000 年的海外 CG 项目,到实时引擎、长篇动画、制作管理 SaaS,再到 mixspace,持续把创作需求转化为技术流程、团队能力与可交付的产品。

国际高端项目交付多次从零搭建团队制作系统产品化创业项目变现经验
查看创始人经历
2000 — 2010国际项目与组织建设
2011 — 2016实时引擎与影视生产
2018 — 2026系统产品与产业协同
2026.02 —AI 创业与产品迭代

履历与创业经历由创始人提供。神漫文化创业经历已实现变现;H3-pro 与 H3-Flash 已上线,H3-ultimate 与 H3-live 按研发规划推进。

资料与证据

主要一手来源

检索截至 2026 年 11 月 22 日。厂商或论文指标保留其适用条件;mixspace 的研发目标与方案在正文中明确标注。

  1. [1] MiniMax H3 官方模型卡33B dense、AdaLN 预计算、开放权重范围与社区许可。https://huggingface.co/MiniMaxAI/MiniMax-H3
  2. [2] Meta · Movie Gen,2024§3.3 人工精选与描述修订;表 7 SFT 消融。净胜率为胜率减负率。https://arxiv.org/html/2410.13720v1
  3. [3] WIPO / Omdia · 全球电影生产,20262024 年长片产量 9628 部,104 个报告经济体;生产活动口径。https://www.wipo.int/en/web/global-innovation-index/w/blogs/2026/lights-camera-records-global-film-production
  4. [4] Ampere · 全球流媒体内容委制Netflix、Prime Video、Disney+、HBO Max、Paramount+;2026 H1 共 644 项,58% 为有剧本类别。https://www.ampereanalysis.com/insight/netflix-drives-rise-in-global-streaming-commissions-pushing-scripted-recovery
  5. [5] Sensor Tower · State of AI Apps 20262026 年 6 月发布;全球 AI 陪伴移动应用 2026 Q1 收入估算 1.5 亿美元。https://sensortower.com/blog/state-of-ai-apps-in-apac-2026-report
  6. [6] Netflix · 2025 年第二季度业绩访谈2025-07-17;第 12 页《The Eternaut》单段特效案例,管理层陈述。https://s22.q4cdn.com/959853165/files/doc_financials/2025/q2/Netflix-Inc-_Earnings-Call_Transcript.pdf
  7. [7] Tavus · Conversational Video Interface实时视频代理与感知、对话、头像能力的官方介绍。https://www.tavus.io/cvi
  8. [8] HeyGen · Introducing LiveAvatar实时数字人产品、API / SDK 和 WebRTC 的官方说明。https://help.heygen.com/en/articles/12758516-introducing-liveavatar
  9. [9] D-ID · Realtime 文档语音、LLM、头像和 WebRTC 的实时代理链路。https://docs.d-id.com/docs/realtime-overview
  10. [10] Runway · Characters单图实时角色、声音、知识与工具等公开能力。https://runway.com/product/characters
  11. [11] Decart · Lucy 2.5 API对输入视频流实时换角色、改场景与视觉效果。https://api-onboarding.decart.ai/
  12. [12] Odyssey · 视频模拟 API 发布2026-01-23;交互式视频模拟的官方 API 公告。https://odyssey.systems/the-gpt-2-moment-for-world-models
  1. [13] Kyutai · AURA,2026-11-201.3B 流式头像;演示版块长与约 1.2 秒音频到视频延迟。https://kyutai.org/aura/
  2. [14] AURA 官方代码与许可参考实现速度与非商用权重许可;与优化演示管线区别说明。https://github.com/kyutai-labs/aura
  3. [15] SoulX-FlashHead 官方仓库1.3B 专用流式头像、Lite / Pro 配置;应用需核对全部组件许可。https://github.com/Soul-AILab/SoulX-FlashHead
  4. [16] TaoMate-H3 官方基准8×H20、480×864、10 秒 T2AV;首段可播放约 17.287 秒及计时边界。https://github.com/TaoLiveAIGC/TaoMate-H3
  5. [17] Wan2.2 官方架构说明高噪声 / 低噪声专家分工,作为条件激活的研究参考。https://github.com/Wan-Video/Wan2.2
  6. [18] LoRA 原论文冻结预训练权重、低秩增量和可训练参数的定义。https://arxiv.org/abs/2106.09685
  7. [19] MiniMax H3 社区许可证适用地域、衍生模型及托管服务范围;按实际使用地区确认授权。https://huggingface.co/MiniMaxAI/MiniMax-H3/blob/main/LICENSE
  8. [20] fal · H3 Max Director直接对标产品;US$0.08/生成秒、60 秒会话底价及 15 分钟 US$72。https://fal.ai/h3-max-director
  9. [21] fal · Director 当前模型页1080p 为标准费率的 2 倍;2026-11-16 恢复标准价及会话限制。https://fal.ai/models/minimax/h3-max/director
  10. [22] fal · H3 Max / Turbo后训练与推理协同、质量和吞吐目标;区分短片生成与 Director 会话。https://fal.ai/minimax-h3-max
  11. [23] fal · Director API实时声画、动态指令、图像和音频条件、脚本控制及状态反馈。https://fal.ai/models/minimax/h3-max/director/api

本 BP 包含已上线产品与后续技术规划。pro / Flash 上线状态及创始人经历由团队提供;具体模型能力、性能与研发成果按版本资料验证。技术附录说明训练、流式系统、公式与评测口径。