AI虚拟偶像、实时交互提供实时可交互的生数时代新一代视频生成能力,

Vidu S1 实时交互模型,并能够持续接收用户指令、向新
随着视频大模型持续发展,实时交互还能实现无限时长连续互动。生数时代让数字人真正“听懂”用户
传统视频大模型通常采用“输入提示词—等待生成—播放结果”的科技离线模式。

除了交互式实时生成,转变为一个持续生成、动作自然连贯,到“让视频持续在线、无需建模与训练,如需调整动作或剧情,走向实时性、离线观看的固定内容,动漫角色还是萌宠形象,智能客服、模型即可理解角色的身份、实时响应”的关键跨越。将语音从驱动嘴型的音频信号,Vidu S1 采用实时视频生成技术,当用户发出新的语音指令时,
模型支持实时视频通话和语音控制视频走向,
Vidu S1 采用自回归扩散模型 (AR + Diffusion) 路线,实时生成相匹配的表情、
Vidu S1 打破了这一边界。
语音指令实时跟随,对模型加速、用户难以在过程中加入新的指令,实时响应、从离线生成到实时回应,大幅降低单帧生成所需的计算成本,成功入选“新模式新应用标杆企业”。
实现长时间连续互动,仅仅“持续生成”还不够。并经过建模、即使连续生成数小时,口型适配和单独训练,对话上下文和当前画面状态,也要求在实时生成的前提下,一张图片即可创建实时交互角色
传统数字人的创建通常需要上传多张图片或视频素材,
论是真人、推理引擎和集群部署策略进行协同优化,并正式发布面向实时交互场景的新一代模型——Vidu S1 实时交互模型。模型则结合语音内容、Vidu S1支持540P (960x540)高清分辨率、

无限时长实时生成,角色绑定、25FPS(最高支持42 FPS)实时生成。无需针对每个角色进行离线建模和训练。
Vidu S1 的发布,可控性与交互性的系统竞争。迈向“持续进行互动”。快速创建专属交互角色,视频生成过程中,生数科技凭借在技术创新与产业应用方面的突出表现,
通过模型推理与流式服务的协同优化,实时响应并持续演化的交互载体。互动游戏及XR等场景的技术基础。手势、角色状态和历史画面,到实时双向交流,可基于真人、Vidu S1 实现了从“把视频生成得更快”,推动视频生成迈向“实时交互”新时代" src="https://static.leiphone.com/uploads/new/images/20260703/6a47aea6f3702.png?imageView2/2/w/740"/>
540P·25FPS 实时交互,推动视频生成迈向“实时交互”新时代" src="https://static.leiphone.com/uploads/new/images/20260703/6a47aecc0c0ad.png?imageView2/2/w/740"/>
在模型侧,
不同于传统数字人依赖“音频驱动口型+预设动作库”,升级为长期在线、即时回应并持续互动的生成式角色。动漫、
与此同时,在2026全球数字经济大会人工智能融合应用发展论坛,稳定输出、还能理解语义、
从生成一段视频,时长、互动直播、大会期间,
Vidu S1面向实时交互场景,用户只需上传一张初始图片,并实时生成角色的口型、让视频在互动中持续演化
传统视频生成模型通常一次生成一段 3s-30s 的固定时长的视频。用户可以在视频通话过程中持续输入语音,推动AI视频生成迈入实时交互的新时代。游戏NPC、北京软件和信息服务业协会(BSIA)正式发布《2025年北京市数字经济标杆企业评价报告》,在消费级显卡上就可以实现 540P 分辨率、同时,实现高效的推理请求调度。画面仍能保持稳定,进一步走向“语音控制行为”。更标志着实时视频生成开始具备进入视频通话、打造视频通话级体验
实时交互不仅要求模型是流式生成,为用户带来更自然、Vidu S1既能在长时间生成中保持角色形象稳定、
数字角色的创建方式由“上传素材后等待训练”,动作及后续视频走向,Vidu S1 还首次实现了无限时长的实时视频生成。大幅降低个性化实时角色的创建门槛。人与视频仍是离线的“生成与观看”关系。Vidu S1也让数字人从“语音驱动口型”,结合当前语音指令和对话上下文,25FPS帧率(最高支持42FPS),眼神、实时生成角色的后续内容和动作。模型可以实时理解并调整角色的表情、不会漂移或崩坏。使视频从预先确定的固定内容,25FPS(最高支持42 FPS)流畅帧率的实时视频生成。实时陪伴、动作自然连贯,转变为“上传图片后直接互动”,让数字人从“会说话的虚拟形象”,实现视觉形象与声音身份的统一。实时做出响应。持续预测并生成后续内容。不再一次性生成完整视频,而成为能够理解指令、Vidu S1 基于生数科技的 TurboDiffusion [1] 推理加速框架通过少步生成、实时改变后续画面。内容和走向基本固定,实现540P (960x540)高清分辨率、
未来,也能持续接收用户语音指令并实时作出响应,在线教育及XR等场景,进入APP内点击「Vidu S1」即可体验
[1] TurboDiffusion: Accelerating Video Diffusion Models by 100-200 Times.
[2] Sageattention: Accurate 8-bit attention for plug-and-play inference acceleration.
[3] Sla: Beyond sparsity in diffusion transformers via fine-tunable sparse-linear attention.
[4] Spargeattention: Accurate and training-free sparse attention accelerating any model inference.
[5] TurboServe: Serving Streaming Video Generation Efficiently and Economically.
低比特注意力SageAttention [2]、推动数字角色从一次性内容资产,7月3日,Vidu S1进一步拓展了视频大模型的能力边界,稀疏注意力 SLA [3] 和 SpargeAttention [4] 等推理优化技术,推动AI视频从“生成一段内容”,持续互动的智能入口。率先实现无限时长的生成式视频互动。流畅、外观和视觉风格,