未来工作三轴扩展，时间轴、社交轴、物理轴。展望未来，我们看到有三个关键方向可以拓展这项工作。在时间轴上，较长的互动将需要话语层面的记忆、角色持续性，并能够使当前行为与先前事件保持一致。在社会轴上，多方互动引入了新的挑战，例如收件人跟踪、视线分配和群体层面的轮流发言。在物理轴上，位于环境中的角色必须将其行为与场景几何、物体和接触联系起来。随着这些维度的融合，目前分解——语言生成、语音合成、视听渲染和在线稳定——可能会让位于更统一的角色模型，这些模型能够共同决定说什么、如何表达以及行为如何随时间展开。LPM 1.0 被视为对这一更大问题的首次系统级回答，展示了视频生成不仅可以作为渲染机制，还可以作为互动角色成为可感知参与者。我们相信，视频生成表演模型具有显著的潜力，可以通过为老年人护理、心理健康支持和在线教育提供可获取的 AI 伴侣，民主化各类用户的内容创作，以及推动跨语言和能力的包容性教育体验，从而造福社会。在透明度方面，我们主张所有 AI 生成的角色视频应明确披露，并支持包括《欧盟人工智能法案》、中国《深度合成管理规定》和 NIST 人工智能风险管理框架在内的新兴监管框架，这些框架为生成式 AI 系统建立了披露和问责标准。我们致力于与更广泛的研究社区、政策制定者和公民社会合作，不断迭代这些保障措施，以确保角色表演生成方面的进步服务于集体利益，使对话对每个人来说更加自然、包容和可信。（论文引用94篇参考文献），包括字节跳动的seed模型、阿里Wan、Veo、Kling、商汤的seko、OmniHuman等主流视频生成模型，以及ACE、UniLS等数字人系统。资料来源：论文LPM 1.0: Video-based Character Performance Model
夜雨聆风
