阿里通义实验室更新了 Wan-Streamer 到 v0.2，官方拿出来说的核心指标是 AI 视频电话响应延迟 550ms。这个数字如果是端到端真实体感，那已经进到接近自然对话的区间了，视频通话场景对延迟特别敏感，超过一定阈值就会觉得卡顿和别扭。
流式生成本身就难，还要在实时视频里保持画面连贯和口型同步，工程量不小。550ms 具体是在什么算力和网络条件下测的没细说，实际部署到用户端会不会打折扣得看后续。
做实时数字人、客服或者陪聊这类应用的话,这个方向的进展挺关键。v0.2 说明还很早期,能跑到这个延迟已经算不错的起点。