生數科技發佈 Vidu S1，推動視頻生成邁向“實時交互”新時代

### 生数科技發表 Vidu S1，即時互動影片生成時代來臨

2026 年 7 月 3 日，在全球數位經濟大會上，生數科技創辦人朱軍宣布推出新一代模型「Vidu S1 即時互動模型」，宣示 AI 影片生成從「一次性產出內容」正式跨入「持續互動」的新里程碑。這項技術不僅讓使用者能透過語音即時控制影片走向，還支援無限時長的連續對話，為虛擬角色賦予真正的「聆聽與回應」能力。同時，生數科技也憑藉此技術入選北京市數位經濟標竿企業，顯示其在 AI 領域的領先地位。 **Vidu S1 核心功能：即時視訊通話加語音驅動行為**

Vidu S1 最大的亮點在於打破傳統影片生成的離線模式——過去使用者需輸入提示詞、等待生成、再播放固定內容，無法中途修改；而 Vidu S1 允許在「視訊通話」過程中持續輸入語音，模型會結合對話上下文與當前畫面，即時生成角色的表情、動作與後續劇情。這讓數位人不再只是「語音驅動口型」的靜態形象，而是能理解語意、情緒，並自動產生眼神、手勢與全身動作的生成式角色。 **技術突破：自迴歸擴散模型實現無限時長穩定生成**

不同於傳統模型一次生成 3 到 30 秒的固定影片，Vidu S1 採用自迴歸擴散模型（AR + Diffusion）路線，能根據歷史畫面與當下指令持續預測後續內容。為確保長時間互動不產生畫面漂移或崩壞，團隊優化了推理加速架構（如 TurboDiffusion、SageAttention 等），在消費級顯示卡上即可達成 540P 解析度、25 FPS（最高支援 42 FPS）的即時生成，讓影片從「預先決定」進化為「動態演化」。 **背景脈絡：從離線生成到即時互動的關鍵轉折**

過去兩年，AI 影片生成產業競爭重點多在畫質、長度與速度，但 Vidu S1 的問世將戰場轉移到「即時性」與「可控性」。傳統數位人製作需上傳多張照片、建模綁定與訓練，耗時費力；Vidu S1 只需一張圖片即可快速建立可互動角色，且支援自訂音色與風格，大幅降低個人化角色的創建門檻。這項技術的成熟，代表 AI 影片從「內容資產」升級為「長期在線的互動入口」。 **可能影響：重塑娛樂、客服與教育領域互動模式**

Vidu S1 的應用場景相當廣泛，包括 AI 情感陪伴、虛擬偶像直播、遊戲 NPC、品牌數位人、智慧客服、線上教育與 XR 等。例如，在情感陪伴領域，使用者可與數位角色進行無時間限制的對話；在直播產業，主播與觀眾的互動將更即時自然。此外，由於模型能即時理解語音指令並調整行為，客服系統未來可能不再需要預設腳本，而是由 AI 自動應對複雜情境。 **讀者可關注的後續：內測開放與生態發展**

目前 Vidu S1 已開啟內測，使用者可透過官網（vidu.cn）、API 平台或在手機應用商店下載「Vidu AI Pro」APP 體驗。建議關注的重點包括：初期測試的流暢度與角色穩定性、是否支援多語言互動、以及後續如何與遊戲引擎或 XR 裝置整合。隨著產業從「速度競賽」轉向「系統性競爭」，Vidu S1 的實際表現將為即時互動影片的商業化樹立新標竿。