生数科技近日正式推出了一款专为实时交互场景设计的创新模型——Vidu S1实时交互模型，为数字人交互领域带来了新的突破。这款模型不仅支持实时视频通话，还允许用户通过语音指令控制视频内容的发展方向，实现了前所未有的互动体验。
Vidu S1的独特之处在于其无限时长的连续互动能力。用户可以随时通过语音指令调整数字人的行为，无论是改变表情、动作还是视频的整体走向，都能得到实时响应。这种灵活性使得交互过程更加自然流畅，极大地提升了用户体验。
在技术规格方面，Vidu S1支持540P（960x540）的高清分辨率和25FPS的帧率，最高可提升至42FPS，确保视频画面的清晰度和流畅性。该模型还允许用户基于真人、动漫或萌宠等任意初始形象，结合个性化音色，快速创建专属的交互角色，满足多样化的需求。
Vidu S1采用了自回归扩散模型（AR + Diffusion）的技术路线，这一创新方法改变了传统视频生成的模式。模型不再一次性生成完整视频，而是基于已生成的历史画面，结合当前的语音指令和对话上下文，持续预测并生成后续内容。这种动态生成机制使得视频内容能够根据用户的实时输入不断调整，实现了真正的交互式体验。
在实际应用中，当用户发出新的语音指令时，Vidu S1能够迅速理解并调整角色的表情、动作以及视频的后续走向。这种能力使得视频内容从预先确定的固定模式转变为一个持续生成、实时响应的动态过程，为用户带来了更加丰富和个性化的交互体验。
