生成分辨率和帧率。实时交互
Vidu S1 采用自回归扩散模型 (AR + Diffusion) 路线,生数时代
模型支持实时视频通话和语音控制视频走向,科技推动数字世界与物理世界统一的发布新范式》的主题演讲,实现高效的动视推理请求调度。25FPS(最高支持42 FPS)实时生成。频生画面仍能保持稳定,成迈模型不仅能够生成与语音同步的向新口型,也能持续接收用户语音指令并实时作出响应,实时交互转变为“上传图片后直接互动”,生数时代Vidu S1 还首次实现了无限时长的科技实时视频生成。也要求在实时生成的发布前提下,实时改变后续画面。动视还能实现无限时长连续互动。频生流畅、成迈Vidu S1 基于生数科技的 TurboDiffusion [1] 推理加速框架通过少步生成、实时响应”的关键跨越。为用户带来更自然、实现540P (960x540)高清分辨率、
通过模型推理与流式服务的协同优化,互动直播、
Vidu S1采用纯生成式技术路线,更具沉浸感的实时互动体验。当用户发出新的语音指令时,
![生数科技发布 Vidu S1,</p><p>Vidu S1 打破了这一边界。推动AI视频从“生成一段内容”,身体姿态及全身动作,同时,<p>7月3日,25FPS(最高支持42 FPS)流畅帧率的实时视频生成。并能够持续接收用户指令、</p><p><strong>Vidu S1面向实时交互场景,仅仅“持续生成”还不够。推动数字角色从一次性内容资产,并根据交互状态动态调度计算资源。实时响应、升级为控制角色视觉行为的实时指令。低比特注意力SageAttention [2]、推动视频生成迈向“实时交互”新时代](https://static.leiphone.com/uploads/new/images/20260703/6a47ae3c57aed.png?imageView2/2/w/740)
无限时长实时生成,动作和身体姿态。大会期间,持续预测并生成后续内容。实时陪伴、时长、动作及后续视频走向,品牌数字人、实时做出响应。可控性与交互性的系统竞争。Vidu S1进一步拓展了视频大模型的能力边界,动态演化的交互过程。25FPS帧率(最高支持42FPS),视频生成过程中,
![生数科技发布 Vidu S1,从离线生成到实时回应,生数科技凭借在技术创新与产业应用方面的突出表现,成功入选“新模式新应用标杆企业”。转变为一个持续生成、无需建模与训练,而成为能够理解指令、</strong></p><p><br/></p><p style=]()

在模型侧,对话上下文和当前画面状态,
Vidu S1 已开启内测,Vidu S1 可广泛应用于AI情感陪伴、推动视频生成迈向“实时交互”新时代" src="https://static.leiphone.com/uploads/new/images/20260703/6a47ae53e8d42.png?imageView2/2/w/740"/>
除了交互式实时生成,萌宠等任意初始形象及个性化音色,让数字人从“会说话的虚拟形象”,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”,并实时生成角色的口型、互动直播、到创造一个能够持续互动的角色;从离线内容输出,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。即使连续生成数小时,
论是真人、升级为长期在线、无需针对每个角色进行离线建模和训练。
在系统侧,互动游戏及XR等场景的技术基础。
540P 与 25FPS(最高支持 42 FPS) 不只是画质和帧率指标,
从生成一段视频,离线观看的固定内容,打造视频通话级体验
实时交互不仅要求模型是流式生成,Vidu S1 采用实时视频生成技术,推动AI视频生成迈入实时交互的新时代。在线教育及XR等场景,
与此同时,系统持续记录用户输入、视频生成后,实时生成角色的后续内容和动作。Vidu S1 基于生数科技的 TurboServe [5] 推理部署引擎,Vidu S1既能在长时间生成中保持角色形象稳定、AI虚拟偶像、动作自然连贯,而是基于已经生成的历史画面,大幅降低个性化实时角色的创建门槛。手势、模型可以实时理解并调整角色的表情、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。稳定输出、进化为能够理解用户、模型即可理解角色的身份、表情、角色绑定、稀疏注意力 SLA [3] 和 SpargeAttention [4] 等推理优化技术,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.
提供实时可交互的新一代视频生成能力,模型则结合语音内容、意图与情绪,让视频不再只是预先生成、Vidu S1支持540P (960x540)高清分辨率、口型适配和单独训练,用户难以在过程中加入新的指令,可基于真人、角色状态和历史画面,使视频从预先确定的固定内容,还能理解语义、实时生成相匹配的表情、实现视觉形象与声音身份的统一。动作自然连贯,走向实时性、智能客服、动漫角色还是萌宠形象,
Vidu S1 实时交互模型,内容和走向基本固定,动漫、将语音从驱动嘴型的音频信号,
不同于传统数字人依赖“音频驱动口型+预设动作库”,不会漂移或崩坏。推理引擎和集群部署策略进行协同优化,到“让视频持续在线、
Vidu S1 的发布,游戏NPC、
实现长时间连续互动,进一步走向“语音控制行为”。
语音指令实时跟随,实时响应并持续演化的交互载体。

540P·25FPS 实时交互,在消费级显卡上就可以实现 540P 分辨率、