支持實時視頻通話和語音控制視頻走向，生數科技發佈 Vidu S1 實時交互模型

### 生數科技發表 Vidu S1 實時交互模型：即時視訊通話結合語音操控，開啟專屬角色互動新時代

AI 影像生成領域再傳新進展。生數科技近日正式推出名為 Vidu S1 的實時交互模型，主打支援即時視訊通話以及語音控制影片走向，為使用者帶來前所未有的沉浸式互動體驗。這款模型不僅能根據語音指令動態調整視訊內容，還能讓用戶與預先設定的虛擬角色進行即時通話，大幅降低了 AI 影片創作的門檻，也讓虛擬角色的應用場景從單純的生成走向了雙向互動。 Vidu S1 的核心亮點在於能夠實現真正的「對話式影片生成」。不同於過去需要輸入文字提示詞、等待模型批次處理的生成模式，Vidu S1 允許用戶在通話過程中，透過語音即時影響影片的敘事走向與角色反應。例如，使用者可以向虛擬角色提問，或是要求角色做出特定表情或動作，模型會立即根據語音指令生成新的畫格，從而實現流暢的對話式互動。這樣的設計讓 AI 不再只是被動的生成工具，而是更像一個可以即時回應的數位夥伴。 在技術規格方面，Vidu S1 支援 540P（960x540）的解析度，並提供 25 FPS 的流暢度，最高可達 42 FPS，足以應付一般視訊通話與即時互動需求。更重要的是，該模型具備強大的角色創建能力，能夠基於真人照片、動漫角色、甚至是萌寵等任意初始形象，結合使用者設定的個性化音色，快速建立專屬的交互角色。這意味著無論是想複製自己的形象作為虛擬分身，還是打造一個全新的二次元夥伴，只要上傳一張圖片並指定聲音特徵，模型就能在短時間內完成角色建立。 從背景脈絡來看，生數科技此舉是在 AI 影片生成領域競爭白熱化下的戰略布局。隨著 Sora 等模型的出現，業界開始從單純追求畫質與長度，轉向探索即時性與互動性。Vidu S1 的推出，正好補足了當前市場上缺乏「即時雙向溝通」能力的缺口。特別是當語音合成與臉部動畫技術日益成熟後，結合即時生成的家用級應用成為可能，生數科技選擇在此時切入，顯示其對邊緣運算與低延遲生成技術的高度掌握。 這項技術可能對多個產業帶來深遠影響。首先是虛擬偶像與直播領域，創作者可以透過 Vidu S1 讓粉絲在直播中與虛擬角色即時對話，互動模式將徹底翻新。其次是教育訓練與客服領域，企業可以快速創建具備特定知識庫的虛擬助教或客服人員，透過即時視訊進行一對一教學或問題解答，大幅提升服務效率。此外，對一般使用者而言，未來或許能簡單地透過手機或電腦，與自己設計的虛擬親友進行自然對話，滿足情感陪伴需求。 值得注意的是，Vidu S1 目前公布的規格仍屬入門級畫質（540P），這在手機與電腦螢幕上尚可接受，但若要應用於高畫質直播或專業製作，解析度還有提升空間。然而，生數科技在聲明中強調最高可支援 42FPS，顯示其在流暢度上仍有餘裕，未來若能同時拉高解析度，將更貼近商業應用需求。讀者可以持續關注該模型後續是否開放 API 或 SDK，以及何時提供公開測試版，這將決定它能否快速融入開發者生態系。 總而言之，Vidu S1 的出現象徵著 AI 影片生成從「單向生成」進入「雙向互動」的新階段。過去我們只能看著 AI 產出影片，現在則能透過語音與即時通話，讓 AI 生成的影片「聽懂人話」並動態回應。對技術愛好者而言，不妨試著想像：未來或許只要一個鏡頭、一個麥克風，就能創造出一個隨時陪伴、即時應答的數位分身。這樣的願景，距離實現已不遠。