清华、英伟达等发布流式交互AI视频评测基准StreamEval

清华大学、英伟达、CMU、UC Berkeley、Princeton、NUS等海内外机构联合发布全球首个流式交互视频生成评测基准StreamEval，覆盖数字人对话、虚拟人表演、世界生成、指令编辑和参考编辑五类任务，共300个测试用例，对38个模型完成评测。目前代码、数据集和评分规则已全部开源，开发者可复测并接入新模型。

实时交互视频是当前AI视频领域的热点方向，但与静态视频生成不同，其核心挑战在于模型需在不中断生成的情况下持续响应连续指令，同时保持人物身份、场景状态和已有修改不变。StreamEval为此设计了流式评测流程，每个测试用例按时间轴分批释放语音、文字指令、参考图和源视频帧，模型无法预知后续输入，也不能接触评分答案。

在任务设计上，五类任务各包含60个用例，覆盖15秒至300秒五档时长，单个用例独立运行三次以减少偶然性。评测体系将模型表现拆分为任务执行、状态一致性、视觉保真度、声画协调四个维度共十项指标，每项采用0—100分，五类任务分别排名。

论文评测结果显示出明显的能力分化：画面质量、身份保持与实时控制是相对独立的能力，稳定生成视频并不等于可靠执行连续指令。例如在虚拟人表演任务中，Vidu S2-Avatar综合得分最高，但指令跟随得分仅36.90；在世界生成任务中，画质与稳定性领先的HappyOyster 1.0 Adventure指令跟随得分仅为5.56。参考编辑的难度更高，得分普遍较低。

StreamEval由清华、英伟达等机构联合打造，旨在为定义尚不统一的流式交互视频赛道建立可复现、可持续演进的公共评价标准。榜单计划每月更新，持续纳入新模型与评测结果。