Wan-Streamer v0.3이 공개되어, 비디오를 '세계'와 '이벤트 스트림'의 조합으로 재정의했어요. 이 모델은 비디오 내의 변화를 예측하는 새로운 사전 훈련 작업을 도입했어요. 실제 비디오 상호 작용을 위한 실시간 모델로 특화될 수 있으며, 음성 및 행동을 통해 다중 모달 사용자 입력을 처리해요.
새 버전은 이전 버전과 동일한 성능(640x368 해상도, 25 FPS, 160ms 스트리밍 단위)을 유지하며, 약 550ms의 총 상호 작용 지연 시간을 보여줘요. 이는 실시간 양방향 오디오-비주얼 상호 작용에 활용돼요.
이 모델은 환경 변화, 피사체 행동, 음성 등 시간 경과에 따른 모든 변화를 '이벤트 스트림'으로 정의하고, 이를 통해 비디오 내의 세계를 이해하고 예측하는 데 집중해요.