7月3日，于2026全世界数字经济年夜会人工智能交融运用成长论坛，生数科技开创人朱军发表题为《通用世界模子，鞭策数字世界与物理世界同一的新范式》的主题演讲，并正式发布面向及时交互场景的新一代模子——Vidu S1 及时交互模子。年夜会时期，北京软件及信息办事业协会（BSIA）正式发布《2025年北京市数字经济标杆企业评价陈诉》，生数科技依附于技能立异与财产运用方面的凸起体现，乐成入选“新模式新运用标杆企业”。

Vidu S1 及时交互模子，提供及时可交互的新一代视频天生能力，鞭策AI视频从“天生一段内容”，迈向“连续举行互动”。

模子撑持及时视频通话及语音节制视频走向，用户不仅能经由过程语音节制数字人的举动，还有能实现无穷时长持续互动。同时，Vidu S1撑持540P (960x540)高清分辩率、25FPS帧率（最高撑持42FPS），可基在真人、动漫、萌宠等肆意初始形象和个性化音色，快速创立专属交互脚色，为用户带来更天然、流利、更具沉浸感的及时互动体验。

语音指令及时追随，从离线天生到及时回应，让数字人真正“听懂”用户

传统视频年夜模子凡是采用“输入提醒词—等候天生—播放成果”的离线模式。视频天生后，内容及走向基本固定，如需调解动作或者剧情，只能从头输入提醒词天生，人与视频繁是离线的“天生与不雅看”瓜葛。

Vidu S1 打破了这一界限。用户可以于视频通话历程中连续输入语音，模子则联合语音内容、对于话上下文及当前画面状况，及时天生脚色的后续内容及动作。

与此同时，Vidu S1也让数字人从“语音驱动口型”，进一步走向“语音节制举动”。

差别在传统数字人依靠“音频驱动口型＋预设动作库”，Vidu S1 采用及时视频天生技能，将语音从驱动嘴型的音频旌旗灯号，进级为节制脚色视觉举动的及时指令。模子不仅可以或许天生与语音同步的口型，还有能理解语义、用意与情绪，及时天生相匹配的心情、眼神、手势、身体姿态和全身动作，让数字人从“会措辞的虚拟形象”，进化为可以或许理解用户、即时回应并连续互动的天生式脚色。

无穷时长及时天生，让视频于互动中连续演化

传统视频天生模子凡是一次天生一段 3s-30s 的固按时长的视频。视频天生历程中，用户难以于历程中插手新的指令，及时转变后续画面。

Vidu S1 采用自回归扩散模子 (AR + Diffusion) 线路，再也不一次性天生完备视频，而是基在已经经天生的汗青画面，联合当前语音指令及对于话上下文，连续猜测并天生后续内容。当用户发出新的语音指令时，模子可以及时理解并调解脚色的心情、动作和后续视频走向，使视频从预先确定的固定内容，改变为一个连续天生、及时相应、动态演化的交互历程。

除了了交互式及时天生，Vidu S1 还有初次实现了无穷时长的及时视频天生。纵然持续天生数小时，画面仍能连结不变，不会漂移或者崩坏。

实现永劫间持续互动，仅仅“连续天生”还有不敷。模子还有需要于永劫间运行中同时连结脚色身份不变、动作天然联贯，并可以或许连续吸收用户指令、及时做出相应。Vidu S1既能于永劫间天生中连结脚色形象不变、动作天然联贯，也能连续吸收用户语音指令并及时作出相应，率先实现无穷时长的天生式视频互动。

自界说脚色，无需建模与练习，一张图片便可创立及时交互脚色

传统数字人的创立凡是需要上传多张图片或者视频素材，并颠末建模、脚色绑定、口型适配及零丁练习，建造周期较长。

Vidu S1采用纯天生式技能线路，无需针对于每一个脚色举行离线建模及练习。用户只需上传一张初始图片，模子便可理解脚色的身份、外不雅及视觉气势派头，并及时天生脚色的口型、心情、动作及身体姿态。

论是真人、动漫脚色还有是萌宠形象，均可以快速转化为可及时互动的天生式脚色。同时，Vidu S1撑持自界说音色，实现视觉形象与声音身份的同一。

数字脚色的创立方式由“上传素材后等候练习”，改变为“上传图片后直接互动”，年夜幅降低个性化及时脚色的创立门坎。

540P·25FPS 及时交互，打造视频通话级体验及时交互不仅要求模子是流式天生，也要求于及时天生的条件下，天生分辩率及帧率。

Vidu S1面向及时交互场景，对于模子加快、推理引擎及集群部署计谋举行协同优化，实现540P (960x540)高清分辩率、25FPS（最高撑持42 FPS）流利帧率的及时视频天生。

于模子侧，Vidu S1 基在生数科技的 TurboDiffusion [1] 推理加快框架经由过程少步天生、低比特留意力SageAttention [2]、稀少留意力 SLA [3] 及 SpargeAttention [4] 等推理优化技能，年夜幅降低单帧天生所需的计较成本，于消费级显卡上就能够实现 540P 分辩率、25FPS（最高撑持42 FPS）及时天生。

于体系侧，Vidu S1 基在生数科技的 TurboServe [5] 推理部署引擎，实现高效的推理哀求调理。体系连续记载用户输入、脚色状况及汗青画面，并按照交互状况动态调理计较资源。

经由过程模子推理与流式办事的协同优化，Vidu S1 实现了从“把视频天生患上更快”，到“让视频连续于线、不变输出、及时相应”的要害超过。

540P 与 25FPS（最高撑持 42 FPS） 不只是画质及帧率指标，更标记着及时视频天生最先具有进入视频通话、互动直播、及时陪伴、互动游戏和XR等场景的技能基础。

跟着视频年夜模子连续成长，行业竞争正从画质、时长、速率等单点能力比拼，走向及时性、可控性与交互性的体系竞争。

Vidu S1 的发布，让视频再也不只是预师长教师成、离线不雅看的固定内容，而成为可以或许理解指令、及时相应并连续演化的交互载体。

将来，Vidu S1 可广泛运用在AI感情陪伴、AI虚拟偶像、互动直播、游戏NPC、品牌数字人、智能客服、于线教诲和XR等场景，鞭策数字脚色从一次性内容资产，进级为持久于线、连续互动的智能进口。

从天生一段视频，到创造一个可以或许连续互动的脚色；从离线内容输出，到及时双向交流，Vidu S1进一步拓展了视频年夜模子的能力界限，鞭策AI视频天生迈入及时交互的新时代。

Vidu S1 已经开启内测，用户可自界说初始图象并举行及时互动体验：

线上体验地址：https://www.vidu.cn/vidu-stream

API体验地址：https://platform.vidu.cn/live/landing

APP体验方式：于手机运用市肆搜刮「Vidu AI Pro」下载最新版本，进入APP内点击「Vidu S1」便可体验

[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.