论文页面 - Vidu S1: 实时交互式视频生成模型

来源：https://huggingface.co/papers/2607.03118 发布于 7月3日

#1 当日论文 (https://huggingface.co/papers/date/2026-07-10) 作者：

，

，

，

，

，

，

，

，

，

，

，

，

，

，

，

，

，

，

，

，

摘要

Vidu S1 是一款实时交互式视频生成模型，支持语音控制数字角色动画，可在消费级硬件上实现无限长度输出和高帧率。

我们提出了 Vidu S1，一款实时交互式视频生成模型，支持对数字角色 (https://huggingface.co/papers?q=digital%20characters) 的语音控制 (https://huggingface.co/papers?q=voice%20control)。用户可通过语音指令随时控制视频生成内容。Vidu S1 支持无限长度的实时视频生成 (https://huggingface.co/papers?q=real-time%20video%20generation)，无模糊、漂移或视觉失真。基于 TurboDiffusion (https://huggingface.co/papers?q=TurboDiffusion) 和 TurboServe (https://huggingface.co/papers?q=TurboServe) 构建，Vidu S1 可在普通消费级 GPU (https://huggingface.co/papers?q=consumer%20GPUs) 上以高达 42 FPS 输出 540p 实时视频。用户可上传真人、动漫和宠物的自定义图像，并选择不同语音音调以获得个性化体验。实验表明，Vidu S1 在所有测试指标上均取得最佳性能，同时完全满足实时推理要求。可玩的在线演示请访问 https://vidu.com/vidu-stream。

查看 arXiv 页面 (https://arxiv.org/abs/2607.03118) 查看 PDF (https://arxiv.org/pdf/2607.03118) 项目页面 (https://vidu.com/vidu-stream) GitHub43 (https://github.com/shengshu-ai/Vidu-S1) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2607.03118)

引用此论文的模型0

无模型关联此论文

请在模型 README.md 中引用 arxiv.org/abs/2607.03118 以在此页面建立链接。

引用此论文的数据集0

无数据集关联此论文

请在数据集 README.md 中引用 arxiv.org/abs/2607.03118 以在此页面建立链接。

引用此论文的 Spaces0

无 Space 关联此论文

请在 Space README.md 中引用 arxiv.org/abs/2607.03118 以在此页面建立链接。

包含此论文的收藏集2