以下为上游提供的源文稿，可能存在识别错误。
乔木转写是基于源文稿的中文提炼，不是逐字翻译。请核对原文中的人名、数字与观点。
选一篇，慢慢读
从左侧挑一篇，正文会在这里排成书页。
Streaming video-to-audio (V2A) generation is essential for immersive interactive applications. However, real-time constraints leave existing streaming V2A methods far behind offline models: (1) visual frontends shrink their receptive fields to cut look-ahead latency, severely degrading audio-visual alignment; (2) causa
阅读原文 · Yusheng Dai, Vladimir Iashin, Kangdi Wang, Yuxuan Jiang, Ilpo Viertola, Weiqiang Wang, Qiuhong Ke, Min Zhao, Jianfei Cai
向阳乔木 · opencode-go/deepseek-v4.1-flash
实时视频配音这件事，一直卡在一个很尴尬的位置：离线模型效果不错，但跑不进交互场景；流式方案能实时，却要牺牲音画对齐和音质。LiveFoley 想同时抓住两头。 论文来自 Yusheng Dai、Vladimir Iashin 等人，2026 年 11 月挂在 arXiv。看标题就知道它的野心：动态、实时、沉浸式交互世界。这类场景对延迟极其敏感，人对音画不同步...