Runway boleh menstrim watak digital pada 24 fps. Berapa lama sebelum watak itu menjawab?

Apabila pelanggan selesai bertanya, watak animasi mempunyai masa yang singkat untuk memberi respons. Video mungkin lancar secara teknikal sebaik sahaja dimainkan, tetapi jeda sebelum jawapan pertama masih boleh terasa seperti panggilan terputus. Kertas baharu daripada Runway memberi butiran pemasaan yang cukup untuk memahami punca jeda itu.

Runway melancarkan Characters pada 9 Mac 2026. Pracetak pada 3 November menerangkan sistem di sebalik avatar perbualan yang menjana video sambil bercakap. Ini huraian teknikal produk sedia ada. Pengarang Runway melaporkan hasil sistem mereka sendiri, termasuk cara video berjalan pada empat GPU NVIDIA H100. Angka mereka memberikan soalan konkrit untuk percubaan. Hasil pada peranti, sambungan atau aplikasi lain perlu diukur di persekitaran itu sendiri.

Pelayan untuk menguji perkakasan H100, jenis GPU yang digunakan dalam kertas Runway. Imej pegun konteks oleh 极客湾Geekerwan, diubah saiz, CC BY 3.0. Sumber imej · Lesen.

Had 167 milisaat bagi setiap kelompok bingkai

Penjanaan video langsung. Ilustrasi asal Telli.sh.

Pada 24 bingkai sesaat, satu kelompok empat bingkai perlu tersedia kira-kira setiap 167 milisaat. Jika kelompok tiba lebih perlahan daripada kadar yang digunakan pemain, sistem memerlukan lebih banyak penimbalan, tetapan mutu lain atau perubahan lain untuk mengekalkan gerakan. Satu kelompok boleh mengambil hampir keseluruhan 167 milisaat walaupun video dimainkan dengan lancar.

Pengarang Runway menerangkan sistem sekitar 57 bilion parameter yang menghasilkan bingkai 704 × 1,088. Mereka melaporkan median masa langkah resapan sebanyak 240.9 milisaat bagi konfigurasi rujukan, 159.3 milisaat bagi satu konfigurasi yang dioptimumkan dan 147.4 milisaat selepas penggabungan lanjut. Satu perwakilan pendam yang dibuang hingarnya bersamaan empat bingkai, dan penyahkod bertindih secara berasingan. Masa langkah itu mempunyai skop ukuran berbeza daripada masa respons pengguna.

Penjanaan video juga boleh berjalan pada kadar yang memadai selepas kelompok pertama mula diproses. Kertas itu melaporkan saluran video 0.49 saat dan median kira-kira 2.1 saat bagi satu giliran perbualan penuh dalam keadaan pengukurannya. Pemprosesan pertuturan, penjanaan dialog, sintesis suara, penghantaran dan permulaan main balik yang berguna semuanya penting dalam perbualan. Peringkat itu boleh bertindih, jadi menolak masa video daripada jumlah keseluruhan tidak memberikan masa mana-mana satu peringkat.

Keadaan yang memberi nilai kepada watak bergerak

Satu percubaan yang munasabah ialah stesen latihan produk di muzium atau bilik pameran. Pengunjung bertanya fungsi suatu kawalan, aplikasi memilih jawapan ringkas daripada bahan yang diluluskan, dan watak menjawab sementara rajah kekal di skrin. Pengunjung yang datang terus mungkin mendapat manfaat daripada wajah yang jelas, arah pandangan atau isyarat giliran bercakap. Sistem boleh beralih kepada penjelasan bertulis jika sambungan menjadi tidak stabil.

Senario kedua ialah latihan lakonan peranan pekerja. Peserta berlatih menjawab pelanggan yang kecewa, kemudian menerima maklum balas daripada aplikasi latihan. Pemasaan lebih mencabar berbanding sapaan berskrip. Watak perlu berhenti di tengah ayat, mengendalikan gangguan dan pulih daripada frasa yang disalahfahami. Percubaan berguna turut merekod sama ada peserta mengulangi percakapan atau bercakap serentak dengan watak, bersama ukuran kependaman biasa.

Persetujuan dan representasi penting apabila avatar menggunakan rupa atau suara orang sebenar. Organisasi boleh menetapkan siapa yang boleh mencipta watak, tempat rupa itu boleh dipaparkan dan cara ia dialih keluar. Untuk eksperimen, persona yang jelas sintetik atau pelakon dengan kebenaran yang didokumenkan memudahkan pengasingan dapatan antara muka daripada soalan pelesenan kemudian.

Perkara yang belum dijawab oleh hasil produksi

Mengukur giliran perbualan penuh. Ilustrasi asal Telli.sh.

Pengarang melaporkan bahawa 99.5% sesi yang berlangsung sekurang-kurangnya satu saat mencatat purata lebih 23.5 bingkai sesaat. Penyebut dan tetingkap puratanya penting. Sesi boleh melepasi ambang kadar bingkai purata walaupun mengalami gangguan yang kelihatan. Respons juga boleh tiba segera tetapi gagal kekal lancar. Kertas itu tidak memberikan taburan masa respons pertama pada tahap penggunaan serentak yang dijangka setiap pembeli.

Percubaan kecil patut meliputi sambungan pejabat biasa, sambungan mudah alih yang terhad dan kelas peranti yang benar-benar digunakan pengunjung. Mulakan dengan garis dasar suara dan transkrip, kemudian uji permintaan yang sama dengan watak. Bandingkan kadar penyelesaian, kadar ditinggalkan dan gangguan. Kekalkan jawapan berskrip serta dasar dialog supaya perbezaan boleh dikaitkan dengan antara muka. Rekod respons perlahan bersama contoh kejayaan.

Konfigurasi perkakasan dalam kertas itu tidak memberitahu pembeli kos perbualan. Unit kos yang berguna termasuk pertukaran latihan yang disiapkan atau soalan pelawat yang dijawab dengan betul. Bilangan minit dijana hanya bermakna apabila pasukan tahu berapa banyak yang berguna. Demo video menunjukkan rupa dan gerakan. Perbualan yang diukur menunjukkan sama ada aplikasi bersedia untuk khalayaknya.

Perhatikan satu perbualan bingkai demi bingkai

Kertas itu melaporkan dua taburan kependaman yang lebih khusus. Dalam 43 giliran yang ditandakan, median masa dari akhir pertuturan pengguna hingga audio avatar pada klien ialah 2.13 saat, dengan persentil ke-10 dan ke-90 sebanyak 1.45 dan 3.00 saat. Dari audio pertama ejen hingga bingkai pertama yang menunjukkan pertuturan menurut tangkapan LiveKit, mediannya ialah 493 milisaat, dengan persentil ke-10 dan ke-90 sebanyak 421 dan 562 milisaat. Angka pertama ialah jeda sebelum respons didengar dalam keadaan ujian. Angka kedua berkaitan permulaan video pertuturan. Pengunjung boleh merasai pemasaan kedua-duanya.

Pengukuran kadar bingkai menggunakan pengumpulan data yang berlainan. Pengarang berkata mereka merekod telemetri proses pekerja selama tujuh minggu. Mereka turut mentakrifkan sesi yang termasuk dalam metrik. Percubaan di tempat sibuk boleh melengkapkan hasil kertas dengan memerhatikan sela main balik sebaik sahaja berlaku gangguan atau ketika ramai pelawat tiba serentak. Rakam audio dan video daripada klien sebenar supaya ukuran merangkumi tingkah laku rangkaian dan main balik.

Untuk mengukur perbualan secara adil, tandakan waktu seseorang selesai bercakap, waktu ejen mula menjawab dan bingkai pertama yang menunjukkan gerakan bercakap. Ulangi soalan dengan jawapan dijangka yang sudah diketahui. Penguji boleh membezakan jawapan tepat yang lambat daripada jawapan cepat yang tersasar. Sertakan beberapa gangguan dengan pemasaan konsisten pada kedua-dua antara muka.

Bandingkan kos berdasarkan sesi yang diselesaikan

Pusat bantuan Runway menerangkan caj awal 2 kredit dan 2 kredit tambahan bagi setiap 6 saat sesi aktif. Pada harga dinyatakan $0.01 bagi setiap kredit sebelum cukai, sesi aktif 60 saat bersamaan 22 kredit atau $0.22 dalam contoh tersebut. Ini contoh bagi model caj yang diterbitkan. Jumlah penggunaan bergantung pada akaun, masa aktif, harga semasa dan bahagian aplikasi yang dibilkan berasingan.

Pasukan yang membandingkan antara muka dengan garis dasar suara boleh menjejaki kos bagi setiap pertukaran yang selesai. Ada orang meninggalkan sesi sebelum avatar selesai. Ada yang perlu berbual sekali lagi apabila berlaku masalah rangkaian atau jawapan kurang jelas. Sesi tersebut menggunakan sumber walaupun pengunjung tidak menyiapkan tugas asal. Masukkan sesi yang ditinggalkan dalam penyebut kadar penyelesaian dan cajnya dalam perbelanjaan.

Kos penyederhanaan dan semakan kandungan juga boleh berubah. Syarikat mungkin perlu menyemak sama ada pertuturan yang dijana mengikut dasar, sama ada penyampai sintetik boleh muncul di rantau sasaran dan cara pengunjung menghubungi pekerja apabila sistem tiada jawapan. Uji laluan tersebut dengan ketelitian yang sama seperti sistem pemaparan. Laluan alternatif yang baik boleh mengurangkan gangguan kepada pengunjung dengan sambungan perlahan.

Jalankan perbandingan dengan pengukuran

1. Pilih satu interaksi yang diluluskan dengan jawapan betul dan hasil kejayaan yang jelas.
2. Cuba garis dasar teks atau suara serta versi avatar menggunakan sumber jawapan dan dasar dialog yang sama.
3. Ulangi setiap permintaan pada peranti dan sambungan yang digunakan pengunjung. Sertakan jawapan panjang, gangguan disengajakan dan putus sambungan seketika.
4. Log permulaan respons, permulaan video pertuturan, sela main balik, gangguan yang berjaya dan sama ada pengunjung menyelesaikan tugas.
5. Semak kegagalan bersama bukti main balik. Tentukan sama ada masalah datang daripada pengecaman pertuturan, penjanaan jawapan, pemasaan, rangkaian atau antara muka.
6. Bandingkan sesi selesai dan jumlah kos kedua-dua versi sebelum memperluas kepada penggunaan lebih panjang atau lebih sibuk.

Ujian ini menunjukkan tempat saluran visual tambahan benar-benar membantu. Watak boleh menjelaskan giliran bercakap untuk satu khalayak tetapi menambah masa menunggu tanpa faedah untuk khalayak lain. Hasil percubaan terpakai kepada interaksi, rangkaian dan peranti yang menghasilkannya.

Lihat perubahan kapasiti di sebalik pemasaan

Pengarang menerangkan pengurangan daripada lapan kepada empat GPU H100 bagi satu sesi masa nyata. Persediaan empat GPU tanpa pengoptimuman penggabungan kemudian mencapai 24.5 bingkai sesaat dalam laporan mereka. Ini menunjukkan satu konfigurasi perkakasan dan perisian memenuhi sasaran pada beban yang dilaporkan. Jaminan penggunaan serentak untuk beban lain atau perkakasan yang diperuntukkan kepada akaun pelanggan perlu ditentukan secara berasingan.

Pembeli boleh bertanya kepada vendor bahagian perkhidmatan yang bermula dahulu, tindakan apabila kapasiti terhad dan cara sesi dipulihkan. Bilik pameran mungkin boleh menerima gangguan visual ringkas jika audio terus berjalan dan soalan dijawab. Aplikasi latihan segerak mungkin perlu berhenti seketika, menunjukkan keadaan pemulihan yang jelas dan bermula semula pada titik yang diketahui. Ulangi tindakan yang sama selepas gangguan dan lihat sama ada aplikasi mengetahui bahagian yang sudah didengar pengguna.

Pertukaran itu penting apabila seseorang menyampuk di tengah ayat. Sistem boleh menimbal audio atau video dijana untuk mengekalkan main balik lancar. Penimbal terlalu besar boleh menyebabkan watak terus bercakap selepas pengguna cuba mengambil giliran. Penimbal kecil mungkin lebih sensitif kepada sambungan yang berubah-ubah. Ukur waktu audio benar-benar berhenti dan waktu respons berikutnya mula didengar secara berasingan.

Cuba pemulihan yang boleh difahami pengguna

Percubaan pengunjung boleh menukar sambungan daripada profil biasa kepada profil lebih perlahan ketika jawapan dimainkan. Rekod sama ada audio berhenti, video kaku dan perkara yang ditunjukkan antara muka. Pulihkan sambungan normal dan semak sama ada watak menyambung respons yang sama, meminta pengguna mengulangi soalan atau mengalihkan mereka ke saluran lain. Setiap hasil memberi kesan berbeza kepada orang yang berdiri di hadapan kiosk.

Jika sistem tidak pulih, sediakan transkrip, laluan bertulis yang boleh dicapai atau serahan kepada manusia jika disokong aplikasi. Tugas ringkas mungkin masih boleh selesai walaupun video gagal. Latihan panjang mungkin perlu kembali ke titik semak. Tindakan yang sesuai bergantung pada sejauh mana pertukaran telah selesai.

Ujian beban biasa boleh bermula dengan tiga corak ketibaan. Bandingkan satu sesi panjang, beberapa sesi pendek bebas dan satu kumpulan yang tiba serentak. Perhatikan respons pertama dan kes yang paling lambat dalam setiap corak. Strim yang memenuhi sasaran selepas main balik bermula masih boleh memberi pengalaman buruk jika pengunjung perlu menunggu jauh lebih lama untuk bermula ketika permintaan melonjak.

Sumber

• Penggunaan dan harga kredit Runway Characters

• Pracetak teknikal Runway, 3 November 2026

• Pelancaran Runway Characters, 9 Mac 2026

• Demo rasmi Characters

---

Untuk menyimpan rekod perbualan dan keputusan di sebalik kerja anda yang boleh dicari, Cipta akaun Telli.sh.