Heim
Das LPM1.0-Modell erzeugt aus einem einzigen Bild ein Echtzeit-interaktives digitales Menschenvideo.

Forscher haben offiziell das LPM1.0-Modell vorgestellt, ein Projekt, das darauf abzielt, aus einem einzigen Referenzbild Echtzeit-Videos von Menschen beim Sprechen, Zuhören und Singen zu erzeugen. Der entscheidende Durchbruch liegt in der multimodalen Verarbeitung – durch die Synchronisierung von Text-, Audio- und Bilddaten entstehen dynamische Szenen mit präziser Lippenbewegungsanpassung, fein abgestimmten Gesichtsausdrücken sowie natürlichen emotionalen Übergängen. Das Modell integriert sich direkt in führende Sprach-KI-Plattformen wie ChatGPT und Doubao und wandelt herkömmliche Sprachgespräche in Echtzeit-interaktive Erlebnisse mit visuellen Rückmeldungen um.
Technisch gesehen nutzt LPM1.0 das Verfahren „multi-granulare Identitätsbedingung“, um aus Referenzmaterialien unter Berücksichtigung verschiedener Perspektiven und Ausdrücke detaillierte Merkmale zu extrahieren. Dadurch entfällt die Notwendigkeit, dass das Modell komplexe Elemente wie Zähne, Falten oder Seitenprofile eigenständig erzeugen muss. Dies steigert erheblich die Fähigkeit zur Verarbeitung unterschiedlicher Stile – es ist somit möglich, ohne Neutraining sofort photorealistische Gesichter, Animationen oder 3D-Spielcharaktere zu erstellen. Zudem unterstützt das Modell den Stream-Transfer, wodurch auch bei der Erstellung von Videos mit einer Länge von bis zu 45 Minuten die Systemstabilität gewährleistet bleibt.
Was die Interaktionslogik betrifft, so erkennt LPM1.0 präzise drei Gesprächsphasen: Während des Zuhörens zeigt es reaktive Ausdrücke wie Nicken oder Blickverlagerungen; beim Sprechen steuert es Körperrhythmen und Lippenbewegungen anhand des Audios; in der Inaktivitätsphase erzeugt es auf Grundlage von Textanweisungen natürliche Ruheverhaltensweisen. Die Projektmanagerin Zeng Ailing betonte, dass LPM1.0 nicht nur für Echtzeit-Gespräche geeignet ist, sondern auch zur Offline-Generierung von videos basierend auf Audio dient und somit technische Redundanz für Podcasts sowie Filmproduktionen bietet.
Trotz seines großen Anwendungspotenzials betont das Entwicklerteam, dass LPM1.0 weiterhin ein Forschungsprojekt bleibt, bei dem derzeit keine Pläne bestehen, Code oder Gewichte öffentlich zugänglich zu machen. Die Forscher erkennen einen qualitativen Unterschied zwischen den erzeugten Videos und echten Aufnahmen sowie die inhärenten Risiken von Deepfakes, die nicht ignoriert werden können. Die Bedeutung dieser Studie liegt darin, die zukünftige Entwicklung von KI-Systemen aufzuzeigen – weg von einer einseitigen logischen Interaktion hin zu mehrdimensionalen Interaktionen, die emotionale Reaktionen, Augenkontakt sowie visuelle Darstellung beinhalten.
Verwandter Artikel
So beheben Sie Core Web Vitals für bessere SEO-Rankings
Berichtskartenkommentare mit KI-Tools optimierenEinführungKI-Tools zur Generierung von BerichtskartenkommentarenMagic SchoolAlmanac AIChat GPTNutzung von Magic School zur Generierung von BerichtskartenkommentarenAnmeldung bei Magic SchoolAuswahl des
Slackbot wird zu einem KI-Agenten
Slackbot, der automatisierte Assistent, der in Salesforce’s Unternehmens-Messaging-Plattform Slack integriert ist, entwickelt sich zu einem KI-Agenten. Salesforce-CTO Parker Harris sieht das Potenzial für eine virale Verbreitung, die mit OpenAIs Chat
ByteDance erhöht die Kern-KI-Anreize, während Doubao um 14,6 % steigt
ByteDance hat kürzlich ein Equity-Briefing für DouBao abgehalten, um neue Anreizrichtlinien für Mitarbeiter der DouBao-Sparte vorzustellen. Der Ausübungspreis für DouBao-Anteile wurde von 14,85 US-Dollar im Juni 2026 auf 17,02 US-Dollar angehoben, wa
Empfehlungen zu verwandten Spezialthemen
Kommentare (0)

Forscher haben offiziell das LPM1.0-Modell vorgestellt, ein Projekt, das darauf abzielt, aus einem einzigen Referenzbild Echtzeit-Videos von Menschen beim Sprechen, Zuhören und Singen zu erzeugen. Der entscheidende Durchbruch liegt in der multimodalen Verarbeitung – durch die Synchronisierung von Text-, Audio- und Bilddaten entstehen dynamische Szenen mit präziser Lippenbewegungsanpassung, fein abgestimmten Gesichtsausdrücken sowie natürlichen emotionalen Übergängen. Das Modell integriert sich direkt in führende Sprach-KI-Plattformen wie ChatGPT und Doubao und wandelt herkömmliche Sprachgespräche in Echtzeit-interaktive Erlebnisse mit visuellen Rückmeldungen um.
Technisch gesehen nutzt LPM1.0 das Verfahren „multi-granulare Identitätsbedingung“, um aus Referenzmaterialien unter Berücksichtigung verschiedener Perspektiven und Ausdrücke detaillierte Merkmale zu extrahieren. Dadurch entfällt die Notwendigkeit, dass das Modell komplexe Elemente wie Zähne, Falten oder Seitenprofile eigenständig erzeugen muss. Dies steigert erheblich die Fähigkeit zur Verarbeitung unterschiedlicher Stile – es ist somit möglich, ohne Neutraining sofort photorealistische Gesichter, Animationen oder 3D-Spielcharaktere zu erstellen. Zudem unterstützt das Modell den Stream-Transfer, wodurch auch bei der Erstellung von Videos mit einer Länge von bis zu 45 Minuten die Systemstabilität gewährleistet bleibt.
Was die Interaktionslogik betrifft, so erkennt LPM1.0 präzise drei Gesprächsphasen: Während des Zuhörens zeigt es reaktive Ausdrücke wie Nicken oder Blickverlagerungen; beim Sprechen steuert es Körperrhythmen und Lippenbewegungen anhand des Audios; in der Inaktivitätsphase erzeugt es auf Grundlage von Textanweisungen natürliche Ruheverhaltensweisen. Die Projektmanagerin Zeng Ailing betonte, dass LPM1.0 nicht nur für Echtzeit-Gespräche geeignet ist, sondern auch zur Offline-Generierung von videos basierend auf Audio dient und somit technische Redundanz für Podcasts sowie Filmproduktionen bietet.
Trotz seines großen Anwendungspotenzials betont das Entwicklerteam, dass LPM1.0 weiterhin ein Forschungsprojekt bleibt, bei dem derzeit keine Pläne bestehen, Code oder Gewichte öffentlich zugänglich zu machen. Die Forscher erkennen einen qualitativen Unterschied zwischen den erzeugten Videos und echten Aufnahmen sowie die inhärenten Risiken von Deepfakes, die nicht ignoriert werden können. Die Bedeutung dieser Studie liegt darin, die zukünftige Entwicklung von KI-Systemen aufzuzeigen – weg von einer einseitigen logischen Interaktion hin zu mehrdimensionalen Interaktionen, die emotionale Reaktionen, Augenkontakt sowie visuelle Darstellung beinhalten.
So beheben Sie Core Web Vitals für bessere SEO-Rankings
Berichtskartenkommentare mit KI-Tools optimierenEinführungKI-Tools zur Generierung von BerichtskartenkommentarenMagic SchoolAlmanac AIChat GPTNutzung von Magic School zur Generierung von BerichtskartenkommentarenAnmeldung bei Magic SchoolAuswahl des
Slackbot wird zu einem KI-Agenten
Slackbot, der automatisierte Assistent, der in Salesforce’s Unternehmens-Messaging-Plattform Slack integriert ist, entwickelt sich zu einem KI-Agenten. Salesforce-CTO Parker Harris sieht das Potenzial für eine virale Verbreitung, die mit OpenAIs Chat
ByteDance erhöht die Kern-KI-Anreize, während Doubao um 14,6 % steigt
ByteDance hat kürzlich ein Equity-Briefing für DouBao abgehalten, um neue Anreizrichtlinien für Mitarbeiter der DouBao-Sparte vorzustellen. Der Ausübungspreis für DouBao-Anteile wurde von 14,85 US-Dollar im Juni 2026 auf 17,02 US-Dollar angehoben, wa











