生数科技发布实时交互视频生成模型 Vidu S1
Vidu S1 让视频模型从一次性出片变为可实时对话和响应的交互体，且消费级显卡可跑，重新定义了实时视频生成的门槛。
视频生成大模型正从离线成片转向实时交互。生数科技发布 Vidu S1，支持语音实时控制视频内容、无限时长生成、540P 25FPS 实时交互，且能在消费级显卡上运行。用户上传首帧图即可创建可对话的数字人，模型实时理解语音并生成匹配的表情和动作。
正文摘录
.jpg) 视频生成大模型的竞争，正在从谁生成得更好看，转向谁能实时互动。 过去一年多，主流视频大模型的迭代方向大体相似：提升分辨率、拉长生成时长、优化运动一致性、增强指令可控性。用户输入提示词，模型完成推理后输出一段长度相对固定的视频，这几乎已经成为行业默认流程。 但实时交互场景正在提出新的要求。 视频通话、实时陪伴、虚拟偶像、互动直播，都无法只依赖离线生成一段成片。用户会不断提问、打断、引导角色做出新的反应；角色也需要在对话过程中持续理解语音、调整动作、维持形象，并把新的反馈实时呈现在画面里。 换句话说，视频模型不再只需要生成得好，还要随时听得懂、马上有反应、长时间不掉线。 正是在这个节点上， 生数科技把 Vidu S1 带到了实时交互 这条新路线上。 在今天举行的 2026 全球数字经济大会上，生数科技创始人朱军正式对外发布全新实时交互模型 Vidu S1。该模型由朱军教授的 00 后博士生张金涛担任负责人，带领团队完成 Vidu S1 全链路研发。Vidu S1 是生数科技通用世界模型整体布局在实时交互式生成方面的一个重要体现。 Vidu S1 面向的是一类全新的使用场景：让视频模型从离线成片，走向可对话、可响应、可持续在线的实时交互。它的核心能力包括 语音实时控制视频生成内容、无限长实时生成、540P (960×540) + 25FPS (最高可支持 42FPS) 实时交互，以及自定义初始图像与音色 。难得的是，这套 实时交互能力在消费级显卡上就能跑起来 。 这种革新改写了数字人的创建流程。