AURA من Kyutai، نموذج الصورة الرمزية الناطقة: وجوه متدفقة لصوتك
AURA (الأفاتار المتدفق المدفوع بالصوت) هو عائلة نماذج الكلام-إلى-فيديو من Kyutai، المنشورة في 2026-11-20 مع الورقة والكود والأوزان ومجموعة بيانات اصطناعية من 30,000 مقطع. الادعاء المهم: صورة شخصية واحدة زائد تدفق صوتي مباشر يصبحان فيديو رأس ناطق بالزمن الحقيقي على وحدة معالجة رسومية واحدة — الأفاتار يتبع الصوت بزمن استجابة منخفض، جزءًا بعد جزء، بدل انتظار ثوانٍ لإزالة التشويش من مقطع جاهز. هذه الصفحة مرجع خارجي لما هو AURA وما ليس عليه — آخر تحقق: 2026-11-21.
نظرة سريعة
| مرجع خارجي | Kyutai AURA — مقال الإصدار على kyutai.org، ومستودع GitHub (kyutai-labs/aura)، ومجموعة Hugging Face |
|---|---|
| التوفر على Imgo | غير موجود على Imgo، ولا يمكن توليده من Imgo — رخص الأوزان تمنع الاستخدام التجاري، فالتكامل مع Imgo مستبعد حتى تقنيًا. |
| آخر تحقق | 2026-11-21 |
| ما يمكنك توليده على Imgo اليوم | عائلة Seedance 2 المتاحة تولّد مقاطع رؤوس ناطقة وحوارية بصوت أصلي متزامن — إعلانات مكتوبة، وإعلانات بأسلوب UGC، ولقطات مقدم — مسعّرة بالأرصدة قبل كل تشغيل. |
| المصدر الرسمي ووحدة الفوترة | Kyutai تنشر كل شيء بانفتاح — لا فوترة API لـ AURA. الأوزان: AURA-1.3B تحت CC BY-NC 4.0، وAURA-5B تحت رخصة Snap غير التجارية. |
اصنع فيديو رأس ناطق على Imgo اليوم: Seedance 2.0 بصوت أصلي، في مولّد الفيديو.
ما هو AURA فعلًا
نموذجان، فكرة واحدة. AURA 1.3B يبث فيديو رأس ناطق بدقة 576p بالزمن الحقيقي — 20.7 إطارًا في الثانية لتشغيل بسرعة 16 هرتز على وحدة معالجة واحدة، أسرع 23 مرة من المعلم الذي قُطّر منه. AURA 5B يبث بدقة 720p بسرعة 9.7 إطار في الثانية، مساويًا جودة معلمه TalkVerse بسرعة 17 ضعفًا. كلاهما قُطّر من معلمين ثنائيي الاتجاه بخمسين خطوة إلى طالبين سببيين بأربع خطوات يولّدان جزءًا بعد جزء بذاكرة KV متجددة ودون استباق الصوت: يكفي صوت الجزء الحالي ليبدأ عرض فيديوه. هذه الخاصية الأخيرة هي جوهر الأمر كله — فهي ما تجعل أفاتارًا قادرًا على إدامة محادثة حية ممكنًا، لا واحدًا يجيب بتأخير خمس ثوانٍ.
من أين تأتي السرعة
الإصدار دراسة تقطير بقدر ما هو نموذج: مسار من مرحلتين يرجع الطالب السببي أولًا على مسار المعلم المجمد، ثم يفرد الطالب دون تدرجات ويوائم درجات المعلم والناقد على مسار الطالب نفسه. التفاصيل الهندسية — الانتباه السببي بالكتل على أجزاء الإطارات الكامنة، وحمل سياق الحركة بالكامل عبر ذاكرة KV، وخطوات انتشار مختلفة لكل جزء — هي سبب قدرة الشيء على البث أصلًا. الورقة (BMVC 2026) تحمل المنهج الكامل.
الرخص، بوضوح
هنا «مفتوح» لا تعني «غير مقيد». الكود يحمل رخصته الخاصة — والأوزان كلاها غير تجارية — AURA-1.3B تحت CC BY-NC 4.0 وAURA-5B تحت الرخصة غير التجارية من Snap (معلمه متفرع من TalkVerse الخاص بـ Snap). للبحث والمشاريع الشخصية والنماذج الأولية، لا بأس. لمنتج — أفاتار دعم العملاء، تطبيق رفيق مدفّع — ستكون تبني على أوزان لا يمكنك شحنها. اقرأ ملفات الرخص في المستودع قبل كتابة سطر كود واحد حولها.
لمن هو AURA، ولمن ليس
AURA لمن يبني أنظمة تفاعلية: وجه لمساعد صوتي (الإصدار يعرضه وهو يقود Unmute من Kyutai مباشرة)، أفاتار متدفق لوكيل، منصة بحث لعمل زمن الاستجابة. إنه ليس أداة إنتاج لفيديو تسويقي جاهز — المخرجات رأس ناطق بدقة 576p/720p مضبوطة لمتابعة الصوت بسرعة، لا لتأليف إعلان من ثلاث لقطات مع مشاهد جمال للمنتج. إذا كان تسليمك مقدمًا بنص مكتوب، أو إعلانًا بأسلوب UGC، أو إعلان منتج بحوار، فنموذج توليد بصوت أصلي هو الآلة الصحيحة، وزمن الاستجابة يكف عن الأهمية.
مسار Imgo لمحتوى الرؤوس الناطقة
على Imgo تولّد عائلة Seedance 2 المتاحة مقاطع حوار ومقدمين بصوت أصلي متزامن — الجملة المنطوقة والغرفة والمؤثرات جزء من نفس التمريرة، مع تحكم بالإطارين الأول والأخير للحفاظ على مظهر عبر القص، وصور مرجعية للحفاظ على وجه. كل تشغيل يُسعَّر بالأرصدة قبل الإرسال. أنت تستبدل محادثة AURA بالزمن الحقيقي بجودة لقطة نهائية ورخصة تسمح بالعمل التجاري — وهذا هو الاستبدال الذي تحتاجه معظم فرق التسويق والمحتوى فعلًا.
أسئلة متكررة
هل AURA مفتوح المصدر؟
الكود والورقة والأوزان ومجموعة بيانات من 30 ألف مقطع منشورة بانفتاح — لكن الأوزان غير تجارية (CC BY-NC 4.0 لـ 1.3B، ورخصة Snap غير التجارية لـ 5B). مفتوح للدراسة والتجريب — غير مفتوح للشحن داخل منتج.
هل يتحمل AURA زمن استجابة المحادثة؟
هذا هدف تصميمه: 576p بالزمن الحقيقي (20.7 إطار/ثانية) على وحدة معالجة واحدة ودون استباق الصوت. العرض العلني يقود محادثة صوتية حية.
هل يمكنني استخدام AURA على Imgo؟
لا — غير مدمج، ورخصه غير التجارية تجعل الدمج مع Imgo خطوة خاطئة. لفيديو الرأس الناطق القابل للتوليد اليوم، عائلة Seedance 2 المتاحة تولّد الحوار بصوت أصلي.
ما الفرق بين AURA 1.3B وAURA 5B؟
الحجم والدقة: 1.3B يبث 576p بالزمن الحقيقي على وحدة واحدة — 5B يبث 720p بسرعة 9.7 إطار/ثانية بجودة تعادل معلمه الأكبر. نفس البنية السببية قليلة الخطوات — يختلف فقط ميزان السرعة/الدقة.
المصادر: مقال إصدار AURA على kyutai.org بتاريخ 2026-11-20 (المواصفات، مسار التقطير، العرض)، github.com/kyutai-labs/aura (الكود وملفات الرخص)، مجموعة Hugging Face (رخص الأوزان، مجموعة البيانات) — كلها تم التحقق منها في 2026-11-21.
مشاركة
Related Posts
No image
AURA هو جواب Kyutai على الأفاتار الناطق بالزمن الحقيقي بأوزان مفتوحة: يدخل الصوت، ويخرج فيديو رأس ناطق بالبث، على وحدة معالجة واحدة — مع رخص أوزان غير تجارية يجب فهمها قبل البناء عليها. تم التحقق في 2026-11-21.
No image
Suno Visuals هي ميزة أغنية-إلى-فيديو في Suno: مقاطع حتى 15 ثانية، متزامنة مع الكلمات، وأرصدة تُشترى بشكل منفصل. ما تغطيه وما لا تستطيعه، وسير العمل البديل للإخراج بنفسك على عائلة Seedance 2 المتاحة في Imgo — تم التحقق في 2026-11-21.
No image
LTX-2.5 هو نموذج الصوت والفيديو ذو الأوزان المفتوحة من Lightricks: استمرارية تعدد اللقطات، وصوت متزامن، ومدة تلقائية، ورخصة تسمح بالأعمال التجارية. ماذا يعني ذلك عمليًا — تم التحقق في 2026-11-21، والخيار للتوليد اليوم على Imgo هو عائلة Seedance 2 المتاحة.