做实时数字人、AI视频通话，真正劝退人的是画面不够好看吗？我觉得一直不是，卡的是那口气接不上。延迟一高，整个人就像在打越洋电话，聊两句就没耐心了。
所以通义实验室这次放出 Wan-Streamer 的 v0.2 我挺在意，主打实时AI视频电话，官方给的响应延迟是 550ms。这个数放到实时对话里已经算能接受的区间，大概就是你话说完对面几乎立刻有反应，想做到无感还得再往下压。专门朝 streaming 方向迭代，方向是对的。
有一点我还没弄清：550ms 是端到端还是只算推理这块，官方页面没细抠。做直播连麦、虚拟客服、陪聊这类场景的应该都会盯着这个数，有实测的麻烦贴一下。