据CSDN、量子位7月28日报道，生数科技正式发布Vidu S1实时交互模型，支持语音控制数字人行为并实现无限时长连续互动。该模型基于自回归扩散架构，采用540P分辨率和25FPS帧率，已开启内测。
Vidu S1的核心突破在于”实时响应+无限时长”双指标。传统数字人模型受限于显存与算力，连续互动时长通常不超过2分钟。Vidu S1通过自回归扩散架构的工程优化，实现首个支持生产环境无限时长连续互动的实时数字人模型。
生数科技CTO唐家渝表示，Vidu S1将在直播带货、虚拟主播、在线教育、数字客服等场景率先落地。生数科技同步开放API与SDK，开发者可基于Vidu S1快速构建实时互动数字人应用。业内人士分析，Vidu S1代表国产视频生成大模型从”离线长视频”走向”实时交互”的关键转折点。
生数科技Vidu S1实时交互模型的技术突破源于三大核心创新：一是自回归扩散架构的工程优化，使显存占用降低60%；二是创新的流式视频解码器，支持25FPS无卡顿连续输出；三是首创的「语音-动作」端到端映射模型，语音到数字人动作的时延低于80ms。
商业化层面，Vidu S1已在抖音直播、淘宝直播等头部平台完成内测，单台数字人主播的日均观看时长达到真人主播的1.3倍，转化率提升18%。生数同步与新华社、央视新闻达成战略合作，将在新闻播报、专题报道等场景率先部署Vidu S1数字人主播。Vidu S1 API预计8月正式开放，定价低于市场同类产品40%。
生数科技同步启动Vidu S2研发工作，目标将分辨率提升至1080P、帧率提升至60FPS，并支持多人多角色协同实时互动。Vidu S2预计2026年Q4发布，将进一步拉开与海外视频生成大模型的代际差距。生数科技累计融资金额已突破5亿美元，估值超过30亿美元，成为国产视频生成AI领域独角兽。
