在計算機視覺與人工智能的交匯點上，Soul App再次以其卓越的技術(shù)實力吸引了業(yè)界的目光。近日，Soul App提交的技術(shù)論文《Teller：基于自回歸運動生成技術(shù)的實時音頻驅(qū)動人像動畫》，成功被全球計算機視覺頂級會議CVPR 2025接納，標(biāo)志著Soul在AI社交技術(shù)的探索上邁出了重要一步。
CVPR，作為計算機視覺領(lǐng)域的頂尖盛會，每年吸引著全球范圍內(nèi)的頂尖學(xué)者與研究團隊投稿。據(jù)官方數(shù)據(jù)，CVPR 2025共收到13008篇投稿，而最終僅錄用2878篇，錄用率僅為22.1%，競爭之激烈不言而喻。Soul App的技術(shù)論文能夠脫穎而出，無疑是對其技術(shù)創(chuàng)新實力的有力證明。
其實，Soul在AI領(lǐng)域的探索早已有之。去年，Soul的多模態(tài)情感識別研究就曾入選ACM國際多媒體會議研討會，并在國際人工智能聯(lián)合會議的挑戰(zhàn)賽中榮獲半監(jiān)督學(xué)習(xí)賽道的冠軍。從2016年推出的基于AI算法的靈犀引擎，到2023年自研語言大模型Soul X的問世，再到如今多模態(tài)端到端大模型的升級，Soul始終致力于AI社交技術(shù)的研發(fā)與創(chuàng)新。
此次被CVPR 2025錄用的論文，提出了一個全新的實時音頻驅(qū)動人像動畫框架。該框架將傳統(tǒng)的talking head任務(wù)巧妙地拆分為面部運動生成和高效身體運動生成兩個模塊，不僅顯著提高了視頻生成的效率，還使得生成效果更加自然、擬人。這一創(chuàng)新成果，是Soul在語音、視覺和自然語言處理（NLP）領(lǐng)域深度融合的又一力作，為AI社交交互體驗的真實感提升奠定了堅實基礎(chǔ)。
在此之前，Soul已經(jīng)基于多模態(tài)大模型推出了語音交互功能，并收獲了用戶的廣泛好評。此次從語音到視覺的交互模態(tài)升級，將為用戶帶來更加沉浸式的社交體驗。通過這一技術(shù)，用戶可以在實時視頻通話中享受到更加自然流暢的交互，甚至在未來，這一技術(shù)還將應(yīng)用于AI虛擬人的情感化陪伴等多元場景，進一步提升人機交互的情感溫度。
Soul在AI社交領(lǐng)域的持續(xù)深耕，不僅為用戶帶來了更加優(yōu)質(zhì)的體驗，也為整個行業(yè)的發(fā)展注入了新的活力。Soul的技術(shù)創(chuàng)新，不僅展現(xiàn)了AI技術(shù)在社交領(lǐng)域的巨大潛力，也為其他企業(yè)提供了寶貴的經(jīng)驗和啟示。
Soul的技術(shù)創(chuàng)新并未止步于此。隨著AI技術(shù)的不斷發(fā)展，Soul將繼續(xù)探索AI在社交領(lǐng)域的更多應(yīng)用可能，不斷推出更加智能、有趣的社交功能，為用戶打造更加溫馨、有趣的社交空間。
同時，Soul也將積極與業(yè)界同行交流合作，共同推動AI社交技術(shù)的發(fā)展和進步。通過開放合作、共享資源，Soul將與業(yè)界共同探索AI社交的未來之路，為用戶帶來更加豐富、多元的社交體驗。
