7月3日，在2026全球数字经济大会人工智能融合应用发展论坛上，生数科技创始人朱军正式发布新一代实时交互模型 Vidu S1。
官方信息显示，Vidu S1提供实时可交互的新一代视频生成能力，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。
同时，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。
传统视频大模型通常采用“输入提示词—等待生成—播放结果”的离线模式，一次生成一段 3s-30s 的固定时长的视频。
视频生成后，内容和走向基本固定，如需调整动作或剧情，只能重新输入提示词生成，人与视频仍是离线的“生成与观看”关系，用户难以在过程中加入新的指令，实时改变后续画面。
据悉，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。
值得关注的还有，Vidu S1 将创建和运行门槛压得极低：一张图即可生成角色，消费级显卡就能支撑流畅的实时交互，数字角色的创建方式由“上传素材后等待训练”，转变为“上传图片后直接互动”。
这种低门槛、高实时性的组合，有望加速数字人大规模落地。
可以说，新模型拓展了能力边界，也意味着数字角色正从一次性内容资产，升级为长期在线、可实时互动的智能入口。
同时，行业竞争的焦点也从单纯的画质、时长与生成速度，进一步转向实时性、可控性与交互性的系统能力比拼。
PS：7月15日，短剧自习室在北京的AI短剧（文娱）出海大会，与从业者共话中国内容产业的全球化机遇。