FlowAct-R1 – 字节推出的实时交互数字人视频生成框架

FlowAct-R1是什么

FlowAct-R1是字节跳动推出的实时交互数字人视频生成框架，仅需单张参考图和音频，支持流式生成无限时长的全身动态视频。框架通过分块扩散强制策略和多模态大语言模型实现低延迟（1.5秒首帧）和25fps的稳定实时响应，能精细控制数字人的面部表情与肢体动作，适用视频会议、虚拟陪伴和直播互动等场景，具有强大的泛化能力，可驱动多种风格角色。

FlowAct-R1的主要功能

• 实时交互与无限时长生成：框架仅需单张参考图和音频输入，可流式生成无限时长的全身动态视频，支持长时间稳定运行，无崩脸等常见问题。