AURA di Kyutai, il modello di avatar parlante: volti in streaming per la tua voce
Notizie e Aggiornamenti del Settorepublished on 2026-11-22T00:24:39+08:00

AURA di Kyutai, il modello di avatar parlante: volti in streaming per la tua voce

AURA (AUdio-dRiven streaming Avatar) è la famiglia di modelli parlato-in-video di Kyutai, pubblicata il 2026-11-20 insieme al paper, al codice, ai pesi e a un dataset sintetico di 30.000 clip. L'affermazione che conta: un ritratto più un flusso vocale in diretta diventano video talking-head in tempo reale su una singola GPU — l'avatar segue la voce con bassa latenza, blocco per blocco, invece di aspettare secondi per il denoise di una clip finita. Questa pagina è un riferimento esterno a cosa AURA è e non è — ultima verifica: 2026-11-21.

In sintesi

Riferimento esternoKyutai AURA — il post di rilascio su kyutai.org, il repository GitHub (kyutai-labs/aura) e la collezione Hugging Face
Disponibilità su ImgoNon è su Imgo, e non è generabile da Imgo — le licenze dei pesi vietano l'uso commerciale, quindi un'integrazione Imgo sarebbe esclusa persino tecnicamente.
Ultima verifica2026-11-21
Cosa puoi generare oggi su ImgoLa famiglia Seedance 2 attiva rende clip talking-head e di dialogo con audio nativo sincronizzato — spot sceneggiati, pubblicità in stile UGC, inquadrature di presentatore — preventivate in crediti prima di ogni esecuzione.
Fonte ufficiale e unità di fatturazioneKyutai pubblica tutto apertamente — non esiste fatturazione API per AURA. Pesi: AURA-1.3B sotto CC BY-NC 4.0, AURA-5B sotto la licenza non commerciale di Snap.

Fai video talking-head su Imgo oggi: Seedance 2.0 con audio nativo, nel generatore video.

Cosa AURA è davvero

Due modelli, un'idea. AURA 1.3B streamma video talking-head 576p in tempo reale — 20,7 fotogrammi al secondo per riproduzione a 16 Hz su una GPU, 23× più veloce dell'insegnante da cui è distillata. AURA 5B streamma 720p a 9,7 fps, eguagliando la qualità del suo insegnante TalkVerse a 17× la velocità. Entrambe sono state distillate da insegnanti bidirezionali a 50 passi in studenti causali a 4 passi che generano blocco per blocco con una cache KV scorrevole e senza guardare l'audio in avanti: serve solo l'audio del blocco corrente perché il suo video inizi a rendersi. Quest'ultima proprietà è tutto il punto — è ciò che rende possibile un avatar capace di sostenere una conversazione in diretta, non uno che risponde con cinque secondi di ritardo.

Da dove viene la velocità

Il rilascio è tanto uno studio di distillazione quanto un modello: una pipeline in due stadi che prima regredisce lo studente causale sulla traiettoria dell'insegnante congelato, poi srotola lo studente senza gradienti e allinea i punteggi di insegnante e critico sul percorso proprio dello studente. I dettagli ingegneristici — attenzione causale a blocchi su blocchi di frame latenti, il contesto di movimento portato interamente dalla cache KV, timestep di diffusione per blocco — sono il motivo per cui la cosa streamma. Il paper (BMVC 2026) porta il metodo completo.

Le licenze, dette chiare

Qui aperto non significa senza restrizioni. Il codice porta la propria licenza — i pesi sono entrambi non commerciali — AURA-1.3B sotto CC BY-NC 4.0, AURA-5B sotto la licenza non commerciale di Snap Inc. (il suo insegnante discende dal TalkVerse di Snap). Per ricerca, progetti personali e prototipi, bene. Per un prodotto — un avatar di assistenza, un'app companion monetizzata — staresti costruendo su pesi che non puoi spedire. Leggi i file di licenza del repository prima di scrivere una riga di codice intorno.

A chi serve AURA, e a chi no

AURA è per chi costruisce sistemi interattivi: un volto per un assistente vocale (il rilascio la mostra mentre guida in diretta l'Unmute di Kyutai), un avatar in streaming per un agente, una piattaforma di ricerca sulla latenza. Non è uno strumento di produzione per video marketing finito — l'output è una talking head a 576p/720p, tarata per seguire l'audio in fretta, non per comporre uno spot in tre inquadrature con passaggi di bellezza sul prodotto. Se la tua consegna è un presentatore sceneggiato, una pubblicità in stile UGC o uno spot di prodotto con dialogo, un modello generativo con audio nativo è lo strumento giusto, e la latenza smette di contare.

Il percorso Imgo per i contenuti talking-head

Su Imgo la famiglia Seedance 2 attiva rende clip di dialogo e presentatore con audio nativo sincronizzato — la battuta parlata, la stanza e gli effetti fanno parte dello stesso passaggio, con controllo del primo e dell'ultimo frame per tenere un look tra i tagli e immagini di riferimento per tenere un volto. Ogni esecuzione preventiva il proprio costo in crediti prima dell'invio. Scambi la conversazione in tempo reale di AURA con la qualità del piano finito e una licenza che consente il lavoro commerciale — lo scambio che la maggior parte dei team marketing e contenuti cerca davvero.

Domande frequenti

AURA è open source?

Codice, paper, pesi e un dataset di 30mila clip sono pubblicati apertamente — ma i pesi sono non commerciali (CC BY-NC 4.0 per la 1.3B, licenza non commerciale di Snap per la 5B). Aperto per studiare e prototipare — non aperto per spedire in un prodotto.

AURA regge una latenza conversazionale?

È il suo obiettivo di progetto: 576p in tempo reale (20,7 fps) su una singola GPU e senza guardare l'audio in avanti. La demo pubblica conduce una conversazione vocale in diretta.

Posso usare AURA su Imgo?

No — non è integrata, e le sue licenze non commerciali rendono un'integrazione Imgo la mossa sbagliata. Per il video talking-head generabile oggi, la famiglia Seedance 2 attiva rende dialogo con audio nativo.

Qual è la differenza tra AURA 1.3B e AURA 5B?

Scala e risoluzione: la 1.3B streamma 576p in tempo reale su una GPU — la 5B streamma 720p a 9,7 fps con qualità pari al suo insegnante più grande. Stessa architettura causale a pochi passi — cambia solo il compromesso velocità/risoluzione.

Fonti: il post di rilascio AURA su kyutai.org del 2026-11-20 (specifiche, pipeline di distillazione, demo), github.com/kyutai-labs/aura (codice e file di licenza), la collezione Hugging Face (licenze dei pesi, dataset) — tutto verificato il 2026-11-21.

Condividi

Related Posts

No image

Notizie e Aggiornamenti del Settore

AURA è la risposta di Kyutai agli avatar parlanti in tempo reale con pesi aperti: entra l'audio, esce in streaming video talking-head, su una GPU — con licenze dei pesi non commerciali che contano prima di costruirci sopra. Verificato il 2026-11-21.

2026-11-22T00:24:39+08:00

No image

Notizie e Aggiornamenti del Settore

Suno Visuals è la funzione canzone-in-video di Suno: clip fino a 15 secondi, sincronizzate col testo, crediti venduti a parte. Cosa copre, cosa non può, e il flusso alternativo per dirigere da soli sulla famiglia Seedance 2 attiva di Imgo — verificato il 2026-11-21.

2026-11-22T00:24:23+08:00

No image

Notizie e Aggiornamenti del Settore

LTX-2.5 è il modello audio-video a pesi aperti di Lightricks: continuità multi-shot, suono sincronizzato, durata automatica e una licenza che consente lavori commerciali. Cosa comporta in pratica — verificato il 2026-11-21, con la famiglia Seedance 2 come opzione per generare oggi su Imgo.

2026-11-22T00:24:09+08:00
    Modello di avatar parlante AURA (Kyutai) — parlato-in-video in streaming, novembre 2026 | Imgo