近日，AI領(lǐng)域再度傳來重磅消息。新型社交平臺(tái)Soul App的技術(shù)論文《Teller: Real-Time Streaming Audio-Driven Portrait Animation with Autoregressive Motion Generation》，成功被人工智能領(lǐng)域頂會(huì)CVPR 2025錄用。這不僅是Soul在技術(shù)研發(fā)上的一次重大突破，更意味著其在AI社交領(lǐng)域的探索，正逐步引領(lǐng)行業(yè)走向新的階段。

CVPR作為計(jì)算機(jī)視覺與模式識(shí)別領(lǐng)域的標(biāo)桿會(huì)議，一直以高水準(zhǔn)的錄用標(biāo)準(zhǔn)著稱。根據(jù)會(huì)議官方統(tǒng)計(jì)，本次CVPR 2025會(huì)議總投稿13008篇，錄用2878篇，錄用率僅為22.1%，競爭可謂異常激烈。Soul App此次入選，彰顯其技術(shù)實(shí)力得到了學(xué)術(shù)界與行業(yè)的高度認(rèn)可。

事實(shí)上，這并非Soul在AI領(lǐng)域的首次亮相。2024 年，Soul多模態(tài)情感識(shí)別研究論文入選ACM國際多媒體會(huì)議研討會(huì)，且在國際人工智能聯(lián)合會(huì)議組織的挑戰(zhàn)賽中，Soul技術(shù)團(tuán)隊(duì)在半監(jiān)督學(xué)習(xí)賽道拔得頭籌。從2016年上線基于AI算法的靈犀引擎，到2023年推出自研語言大模型Soul X，再到如今多模態(tài)端到端大模型的升級(jí)，Soul始終堅(jiān)定不移地深耕AI社交領(lǐng)域。

此次被錄用的論文，提出了全新的實(shí)時(shí)音頻驅(qū)動(dòng)人像動(dòng)畫自回歸框架。該框架創(chuàng)新性地將talking head任務(wù)拆分為面部Motion生成和高效身體Movement生成模塊，不僅大幅提升了視頻生成效率，更顯著優(yōu)化了生成效果的自然度和擬人性。這一成果，是Soul在語音、視覺、NLP融合方面的一次積極探索，為打造更真實(shí)的AI社交交互體驗(yàn)奠定了基礎(chǔ)。

此前，Soul基于多模態(tài)大模型上線的語音交互功能，收獲了用戶的廣泛好評(píng)。如今，從語音到視覺的交互模態(tài)升級(jí)，無疑將為用戶帶來更為沉浸式的社交體驗(yàn)。未來，Soul計(jì)劃將這一技術(shù)成果應(yīng)用于實(shí)時(shí)視頻通話、AI虛擬人情感化陪伴等多元場景，進(jìn)一步提升人機(jī)交互的情感溫度。

Soul在AI社交領(lǐng)域的持續(xù)創(chuàng)新，不僅為用戶帶來了更優(yōu)質(zhì)的體驗(yàn)，也為整個(gè)行業(yè)的發(fā)展指明了方向。在未來，Soul將憑借其在AI技術(shù)上的深厚積累，繼續(xù)打造充滿趣味與溫暖的社交空間，推動(dòng)AI社交邁向新的高度。