流式视频配音追上离线对齐：LiveFoley 前端只看 0.08 秒，端到端延迟 156 毫秒
实时视频转音频长期受制于两处瓶颈：视觉前端为压低预看延迟而缩小感受野，因果扩散后端又逐块独立去噪，导致音画对齐和音质都落后于离线模型。LiveFoley 用尾随滑动窗口把现成的非因果片段级编码器改造成流式模块，无需重训练即可把前端预看降到 0.08 秒，并在后端把去噪窗口向历史扩展。在 VGGSound 测试集上，LiveFoley-48k 的 DeSync 为 0.48，与离线 MMAudio-L 的 0.47 相当，单张 A800 上端到端延迟 156 毫秒。