基线没有名字：美团智播把动作 FID 0.041 和编辑提升 2.5%–3.8% 分开报

基线没有名字：美团智播把动作 FID 0.041 和编辑提升 2.5%–3.8% 分开报

这篇整理美团技术团队 2026 年 9 月 3 日的《美团智播——数字人直播技术创新与实践》。页脚没有另写禁止引用。下面只记它怎么报形象编辑、动作生成和推理加速的结果，以及哪些对比对象没有写出来。经营增长数字另放一节，不和基准分混用。

美团智播是面向本地生活的数字人直播方案。博客把技术收成四段：形象生成与编辑、文本驱动动作、语音手势、推理加速。评测数字集中在前两段和推理段，手势段没有给出延迟或误差。

编辑提升只有一个区间

形象编辑方法叫 SREdit，博客写它被 ACM MM 2026 收录。做法是把复杂编辑指令拆成原子操作，按编辑区域和非编辑区域重加权，并且让同一个模型既编辑又当评判器，用来避免编辑器专门去骗分开的评判器。博客把这叫 reward hacking，没有给出骗过评判器的比例。

实验结果只写了一句：在 GEdit-Bench、ImgEdit-Bench、KRIS-Bench 三个公开数据集上，整体性能提升 2.5% 到 3.8%。没有分数据集的数字，没有指标名称，没有对照系统的名字，也没有样本数。不能把这个区间读成三个基准都提升了 3.8%，也不能读成某一项准确率。

动作 FID 写了降幅，没写跟谁比

动作模型叫 MoTiGA，博客写它被 CVPR 2026 收录。和评测直接相关的三处是：

因果 RVQ-VAE 把双向卷积换成因果卷积，避免训练时能看见未来、推理时不能。重建 FID 从 0.114 降到 0.031。博客写质量提升超过 72%。这是重建指标，不是后面的生成 FID。

推理效率写成提升 K 倍。K 没有数字。

人类偏好优化用 HumanML3D 上的 101,490 组偏好对，做法类似 DPO。这是训练数据规模，博客没有给测试集条数，也没有给人评一致率。

生成结果：HumanML3D 上 FID 0.041，较基线降低 82.3%；KIT-ML 上 FID 0.180，较基线降低 64.7%。两句都写「基线」，都没有写出基线模型的名字。没有 R-precision，没有多样性指标，没有失败样本。

手势和推理没有同一套分

StreamingTalk 把整段去噪改成按 chunk 流式输出，训练时用模型自己的预测代替真实锚点，用来模拟推理时的误差累积。博客写延迟与总时长无关、计算量不随序列变长，并写论文已投稿 AAAI 2027。这一节没有毫秒数，没有长序列误差曲线。

推理段写视觉 Token 压缩 75%，推理加速 2.5 倍，并写几乎不损失模型性能。没有给出压缩前后的 FID、身份相似度或时延分布。

经营数字不是基准分

博客另给了一组业务结果：月日均 GTV 同比增长 82.12%，月日均观看人次同比增长 163.44%，开播场次提升 11 倍；定制模特 3 小时上线，相对传统拍摄效率提升超过 10 倍；商家闲时交易额平均提升 7.3%；整体开播效率提升 60%。这些是经营和效率说法，页面没有写统计口径、商家样本和对照期。不能用来证明 FID 或编辑分数。

这些句子不能被读成什么

2.5%–3.8% 不是三个基准各自的分数，也没有指标名。FID 0.041 和 0.180 的「基线」没有名字，82.3% 和 64.7% 不能落到某一个已发表模型上。重建 FID 0.031 不是生成 FID。101,490 是偏好对数量，不是测试集大小。K 倍没有数值。2.5 倍加速没有配质量下降的数字。7.3% 和 82.12% 不是评测集得分。没有线上失败比例，也没有人工复核评估器误判的比例。

出处：美团，美团平台，美团智播——数字人直播技术创新与实践，2026-09-03，https://tech.meituan.com/2026/09/03/meituan-Digital-Human-practice.html