阿里通义实验室发布的Wan-Streamer v0.2实现了低延迟、全双工的AI视频通话，响应时间约550毫秒。该模型整合音视频输入，实时理解并生成自然对话，画质提升至640×368，适用于AI助手、教育和游戏NPC等多种场景。通过流式架构，AI与用户的互动更加自然，逐步接近真实交流。