导语：谁还在说AI是“面瘫工具人”？

你有没有过这种体验？

用AI生成的视频，人物要么表情僵硬像“蜡像”，要么口型对不上像“念错台词”；想和AI实时聊两句，它卡成PPT；要是聊久了，直接“面目全非”，刚才的帅哥秒变路人甲。

这不是你操作有问题——这是过去两年AI视频行业的集体“痛点”：表现力、实时性、长期一致性，三者永远无法同时达标，像三座大山压得所有产品喘不过气。

直到2026年4月11日，米哈游蔡浩宇的AI公司Anuttacon，甩出了LPM 1.0。

当我看完官网的demo：AI小哥16秒切换N种情绪，连挑眉、抿嘴的微表情都精准踩点；对着电脑说“我要你演一个不耐烦的上班族”，屏幕里的AI立刻皱起眉头、扶额叹气；甚至连22分钟的长视频对话，人物从发型到眼神全程没“崩”——我瞬间明白：

AI视频的“天花板”，被米哈游掀翻了。

一、从“面瘫AI”到“赛博戏精”，LPM 1.0到底炸在哪？

1.1 三大核心能力，直接戳中AI视频的“命门”

对AI视频产品来说，有三个“终极考题”：

• 能不能演得像人？（表现力）

• 能不能实时互动？（低延迟）

• 能不能聊很久还不“崩”？（长期一致性）

过去的产品，要么顾此失彼，要么全是“半吊子”：

• Runway Gen-2能生成风格化视频，但实时交互想都别想；

• Pika的人物一致性有进步，但微表情还是像“读课文”；

• Character.AI的实时聊天够快，但视频表情永远是“标准微笑脸”。

而LPM 1.0，直接把这三个题全答对了。

1.1.1 超绝情绪演绎：AI连“呼吸节奏”都学会了

你见过AI演“戏精”吗？

LPM 1.0的demo里，有个小哥16秒内切换了犹豫、愤怒、无奈三种情绪：从抿嘴皱眉的迟疑，到咬牙切齿的爆发，再到叹气低头的释然——连呼吸的起伏、嘴角的抽动，都和真人一模一样。

更狠的是“倾听模式”：当你对着AI说话时，它不用开口，光靠眼神、挑眉、皱眉的微表情，就能让你觉得“它真的在听”。

比如那个接孩子电话的AI女性：听到孩子声音时，先是眼睛微微睁大（意外），紧接着眉头收紧（担忧），手指不自觉攥紧衣角——这哪里是AI？分明是个演技在线的“老戏骨”。

1.1.2 实时互动：说一句话，AI立刻给你“演”出来

以前和AI视频聊天，你得等它生成半天，聊两句就卡成PPT，完全没有“对话感”。

但LPM 1.0不一样：你对着屏幕说“来唱首歌”，AI立刻张嘴开唱，口型、表情同步跟上；你说“做个自我介绍”，它马上露出微笑，开始说话——延迟低到几乎和真人对话没区别。

这背后的秘密，是Anuttacon专门做的因果式流生成器：不用等整个视频生成完，而是像真人说话一样，“边想边说边演”，把延迟压缩到了毫秒级。

1.1.3 长期稳定：聊48分钟，AI还是同一个人

最让人震惊的是“长视频能力”：LPM 1.0能生成48分钟的连续对话视频，人物的发型、五官、表情风格，全程没变化。

要知道，普通AI视频生成10分钟以上，人物大概率会“变脸”：要么眼睛歪了，要么发型变了，甚至直接变成另一个人。

而LPM 1.0靠的是“以人为中心的多模态数据集”——团队收集了海量真人的表情、动作、对话数据，让AI记住“这个人应该是什么样”，哪怕聊到天荒地老，也不会“人设崩塌”。

1.2 网友炸了：“实时、无限长度的AI角色，终于来了！”

LPM 1.0的demo刚曝光，X上的网友直接“坐不住”：

• “这要是用来做虚拟主播，直接把真人主播秒了！”

• “米哈游的NPC终于能‘活’过来了！以后原神里的NPC再也不是只会说固定台词的工具人了！”

• “以后拍电影，配角直接用AI生成，成本能降一半！”

有人甚至调侃：“以后甲方爸爸要改需求，直接对着AI说‘把表情改成愤怒’，AI立刻给你重做，再也不用等后期渲染3天了！”

二、为什么是米哈游？蔡浩宇的AI布局藏着什么野心？

很多人好奇：米哈游不是做游戏的吗？怎么突然搞出这么牛的AI视频模型？

其实，米哈游的AI布局，早就在“偷偷憋大招”。

2.1 从游戏到AI：米哈游的“技术护城河”

米哈游的核心，从来不是“做游戏”，而是“做数字内容”——不管是原神、崩坏，还是现在的AI，本质都是“用技术创造有沉浸感的数字世界”。

游戏里的NPC，本来就需要“像人一样互动”：玩家和NPC对话，NPC要有表情、有动作、有情绪反馈。但过去的NPC都是“预制脚本”，玩家说什么，它都只会那几句固定台词。

而LPM 1.0，就是为了解决这个问题：以后米哈游的游戏里，NPC不再是“工具人”，而是能和玩家实时聊天、互动、甚至“飙戏”的“数字人”。

比如你在原神里和钟离对话，你说“我今天打深渊输了”，钟离会皱起眉头，安慰你“下次再来，我相信你”——这种沉浸感，是以前的游戏根本做不到的。

2.2 Anuttacon的底牌：170亿参数+“懂表演”的数据集

LPM 1.0的技术团队，来头也不小：

• 披露模型的Ailing Zeng博士，之前在腾讯混元、IDEA研究院做过大模型研究；

• 整个论文有20+位研究员参与，其中不少是来自AI视频领域的顶尖专家。

而LPM 1.0的核心，是两个“杀招”：

2.2.1 170亿参数的扩散Transformer

普通的AI视频模型，大多用的是“U-Net”架构，擅长处理静态图像，但对视频的“时间连续性”（比如动作、表情的衔接）处理不好。

而LPM 1.0用的是170亿参数的扩散Transformer，专门擅长处理视频里的“空间+时间”关联：它能记住上一帧的表情、动作，然后生成下一帧的内容——所以AI的动作才会这么自然，不会出现“跳帧”“变脸”的问题。

2.2.2 把“表演课”塞进AI的数据集里

普通AI视频模型的数据集，大多是“随便找的视频”，AI学的是“怎么生成画面”，而不是“怎么演”。

但Anuttacon的数据集，是“以人为中心”的表演数据集：他们收集了大量演员的表演视频、真人的日常对话视频，甚至加入了“表演理论”的标注——比如“惊讶时眼睛会睁大，呼吸会变快”“愤怒时嘴角会向下，眉头会皱紧”。

说白了，LPM 1.0不是在“学生成视频”，而是在“学怎么当演员”。

三、LPM 1.0之后，AI视频的下一站是“数字分身”？

LPM 1.0的出现，不止是“AI视频的进步”，更是“数字人时代的敲门砖”。

它的应用场景，已经远远超出了游戏：

3.1 游戏：NPC终于能“活”过来

对米哈游来说，LPM 1.0最大的用处，就是让游戏里的NPC“活”起来。

以后你玩原神，和派蒙聊天时，派蒙会根据你的话做出不同的表情：你说“我饿了”，它会歪头笑；你说“打不过BOSS”，它会皱眉头安慰你。

甚至，你可以和NPC“自由对话”：不用再按固定选项，直接说“带我去找宝箱”，NPC会一边点头一边给你带路，还会吐槽“你怎么又找宝箱”——这种沉浸感，是以前的游戏根本做不到的。

3.2 虚拟主播：告别“预制脚本”，实时接梗不是梦

现在的虚拟主播，大多是“动捕+预制表情”：主播在后台做动作，AI同步表情，遇到观众的弹幕，只能靠人工提前写好的脚本回应。

但LPM 1.0能让虚拟主播“实时接梗”：观众发弹幕“主播唱首歌”，AI立刻开唱；观众发“主播学猫叫”，AI立刻做出猫的表情——完全不用人工干预。

以后的虚拟主播，可能根本不需要真人“中之人”，AI自己就能当主播，24小时直播，还能和观众实时互动。

3.3 影视/广告：低成本生成“数字演员”

现在拍电影，找一个配角可能要几万块，后期渲染还要花几天时间。但用LPM 1.0，你只需要输入“一个30岁的男性，表情愤怒，说‘我不同意’”，AI就能立刻生成视频，成本几乎为零。

甚至，你可以让AI演“主角”：比如拍一部科幻片，里面的外星人、机器人，都可以用LPM 1.0生成，表情、动作比真人还自然。

3.4 客服/教育：有温度的AI交互

现在的AI客服，要么是文字回复，要么是“标准微笑脸”的视频，完全没有“温度”。

但LPM 1.0的AI客服，会根据你的语气做出不同的表情：你说“我要投诉”，它会皱眉头道歉；你说“谢谢”，它会微笑说“不客气”——这种有温度的交互，能让用户的体验提升10倍。

在教育领域，LPM 1.0能生成“AI老师”：老师会根据学生的反应调整表情，比如学生答错了，老师会皱眉头说“再想想”；学生答对了，老师会微笑说“真棒”——比现在的在线教育平台，更像“真人老师”。

结语：AI的终极形态，是“有灵魂的数字人”

LPM 1.0的出现，让我们看到了AI视频的终极方向：不是“生成视频”，而是“创造有灵魂的数字人”。

以前的AI，是“工具”：你让它生成什么，它就生成什么，没有“情绪”，没有“思想”。

但以后的AI，会是“伙伴”：它能听你说话，能和你互动，能理解你的情绪——甚至，它会有自己的“性格”。

米哈游的蔡浩宇曾说：“我们要创造一个‘超越现实的虚拟世界’。”而LPM 1.0，就是这个世界的“钥匙”。

当AI能像人一样“演”、一样“聊”、一样“活”时，我们的生活，会变成什么样？

是游戏里的NPC能和你成为朋友？是虚拟主播能陪你聊天到深夜？还是数字分身能替你去上班？

不管答案是什么，有一点可以肯定：

AI的“戏精”时代，已经来了。

而我们，都是这场变革的见证者。