Vidu S2 是什么：生数科技的实时交互视频模型

它是什么

Vidu S2 是生数科技在 2026 年 9 月发布的实时视频生成模型，技术报告的标题是“实时交互、可编辑、空间化的视频生成”。它由两个模型组成：Vidu S2-Avatar 是实时交互的数字人模型，Vidu S2-Editing 是实时视频编辑模型。团队还探索了这两个模型做实时空间视频生成的可行性。普通的视频生成是“提交提示词、等几分钟、拿到一段成片”，Vidu S2 做的是另一件事：视频边生成边播放，用户可以随时插手改变内容。

Vidu S2-Avatar：能实时互动的数字人

和上一代 Vidu S1 相比，S2-Avatar 支持实时生成 720p 视频，支持“动态参考”，也就是参考素材可以在生成过程中随时更新，同时指令遵循更强，比如能按指令跳舞。这让它可以用在直播、虚拟主播、互动客服这类需要即时反应的场景里：数字人不是播放预先录好的视频，而是根据对话和指令实时做出动作和表情。

Vidu S2-Editing：对视频流实时动刀

S2-Editing 能对正在播放的视频流实时编辑，包括风格渲染、换装、换人物和换背景。传统的视频编辑和特效都是离线处理，渲染要等；实时编辑意味着可以像开美颜滤镜一样，在直播或视频通话里即时改变画面。

成绩和体验

技术报告称，实验中 Vidu S2 的表现超过了所有对比基线，团队还提供了一个可以在线体验的演示。实时视频生成的难点在于速度和质量的权衡：既要每秒生成足够多的帧，又不能让画面崩坏、人物变形，720p 的实时输出在当前算是很实用的水平。

适合谁

做直播电商、虚拟主播、互动娱乐、在线教育的团队，可以关注 S2-Avatar 的数字人能力；做实时特效、视频社交产品的，可以看 S2-Editing。使用替换人物这类实时编辑功能时，务必取得当事人授权，不能用于冒充他人或制作误导性内容。AI 主线的看法是：视频生成正在从“做成片”分化出“做实时互动”这条新赛道，Vidu S2 是国内较早把两者都做成产品的尝试。