SoulX-LiveAct

SoulX-LiveAct 是一个面向长时序（小时级）实时人体动画生成的推理框架，支持多模态输入（如语音、文本、动作指令）驱动高保真虚拟人动态呈现。其核心技术包括基于扩散步对齐邻域隐变量的 Neighbor Forcing 策略，保障自回归视频生成的帧间一致性；以及轻量级 ConvKV Memory 机制，实现常数内存开销下的超长视频生成。系统经深度优化，在双H100/H200 GPU上达20 FPS，亦支持消费级显卡（如RTX 5090）以6 FPS运行。适用于虚拟直播、实时数字人交互、远程会议虚拟化身等低延迟、高连贯性要求的场景。