原文：Threads
摘要
一則展示「Jev」的貼文：它把即時虛擬試衣（virtual try-on）做成語音互動體驗。使用者開口說想要的穿搭，系統讀取語音轉錄與目前身上的服裝，從衣櫃裡挑出搭配並即時換上。亮點在成本與延遲——每次決策約 $0.0011 美元、約 620 毫秒，便宜快速到足以支撐「邊講邊換」的即時體驗。
重點
- 互動流程：說話 → 讀取語音轉錄 + 當下服裝 → 從衣櫃挑選搭配 → 即時更換穿搭
- 每次決策成本約 $0.0011，延遲約 620ms——LLM 推理已便宜、快到可以塞進即時 UI 迴圈
- 虛擬試衣（virtual try-on）：用 AI 生成把衣服「穿」到人身上的影像，不必實際換裝
- 決策端只吃兩個 context：語音轉錄內容 + 目前穿著，輸入精簡是低成本低延遲的關鍵
- 貼文互動量：763 讚、38 留言、596 轉發，顯示這類即時 AI demo 的傳播力
個人洞見
$0.0011/620ms 這組數字比 demo 本身更有參考價值：當單次 LLM 決策壓到這個量級，「每個使用者動作都過一次模型」的即時應用（語音操控、動態 UI）就從噱頭變成可行架構。
（註：工具名「Jev」依原文照錄，抓取內容未提供官網連結。）