Vidu S1 API 是一款商用级的流式视频生成模型,专为构建实时交互式数字人而设计。与依赖离线预渲染和固定片段的传统管线不同,Vidu S1 能够在持续对话中流畅地实时生成动态视频。它具备双向感知能力,使 AI 角色能够看到用户的表情、听到声音、感知情绪,并通过结构化的 HTTP、阿里云音视频通信(AliRTC)和 WebSocket 通道进行准实时响应。
适合人群
- 软件工程师
- SaaS 开发者
- 电商平台运营商
- 游戏开发者
- 教育科技(EdTech)内容创作者
- 客户体验经理
产品优势
- 真正的实时生成式直播视频,而非预渲染拼接片段
- 强劲的多模态输入,将语音、文本和视频融合在单一会话中
- 模型侧无 SDK 绑定限制
- 极具鲁棒性的 4 状态会话生命周期状态机,便于简单调试
- 透明的按量计费模式,音频和视频模式资费相同
使用注意
- 单次会话最大时长上限为 600 秒,超时需重新建立会话连接
- 需要处理视频模式的准备延迟(NOT_READY 状态),需手动编写指数退避重试逻辑
- 成功发起任何新会话前,账户余额需至少留有 45 积分




