生数科技今日发布面向实时交互场景的 Vidu S1 模型，支持实时视频通话和语音控制视频走向。用户可通过语音指令实时调整数字人的表情、动作及后续视频内容，实现无限时长连续互动。该模型采用自回归扩散模型（AR+Diffusion）路线，基于历史画面、语音指令和对话上下文持续生成视频，支持 540P（960×540）分辨率、25FPS 帧率（最高 42FPS），可基于真人、动漫、萌宠等任意初始形象及个性化音色创建交互角色。模型已开启内测。
生数科技今日发布面向实时交互场景的 Vidu S1 模型，支持实时视频通话和语音控制视频走向。用户可通过语音指令实时调整数字人的表情、动作及后续视频内容，实现无限时长连续互动。该模型采用自回归扩散模型（AR+Diffusion）路线，基于历史画面、语音指令和对话上下文持续生成视频，支持 540P（960×540）分辨率、25FPS 帧率（最高 42FPS），可基于真人、动漫、萌宠等任意初始形象及个性化音色创建交互角色。模型已开启内测。
IT之家 7 月 3 日消息，生数科技今日发布面向实时交互场景的新一代模型 ——Vidu S1 实时交互模型。
官方表示，Vidu S1 模型支持实时视频通话和语音控制视频走向，用户不仅能通过语音控制数字人的行为，还能实现无限时长连续互动。
Vidu S1 支持 540P（960x540）高清分辨率、25FPS 帧率（最高支持 42FPS），可基于真人、动漫、萌宠等任意初始形象及个性化音色，快速创建专属交互角色。
据介绍，Vidu S1 采用自回归扩散模型 (AR + Diffusion) 路线，不再一次性生成完整视频，而是基于已经生成的历史画面，结合当前语音指令和对话上下文，持续预测并生成后续内容。
当用户发出新的语音指令时，模型可以实时理解并调整角色的表情、动作及后续视频走向，使视频从预先确定的固定内容，转变为一个持续生成、实时响应、动态演化的交互过程。
Vidu S1 已开启内测，IT之家附相关链接如下：
来源：IT之家（RSS）· ithome.com