产品亮点
流式实时生成：对话过程中准实时生成视频，支持双向语音和视频。
多模态感知：支持语音、文本、视频输入，识别外貌、表情和情绪。
50种预设语音，每种支持28种语言。
无限时长交互：从1分钟到2小时连续生成，不降质。
你能用它做什么
- 直播电商：数字人主播实时介绍商品、解答疑问。
- 教育：虚拟教师提供多语言个性化辅导。
- 社交平台：AI陪伴角色聊天、玩游戏，提升粘性。
怎么用
- 1 POST请求创建会话，提供人设、头像和语音，获取会话ID和RTC凭证。
- 2 用返回令牌加入AliRTC通道，发布麦克风和摄像头数据。
- 3 打开WebSocket持久控制通道，授权信息放查询字符串。
- 4 等待就绪确认，保持心跳，挂断后查询计费秒数。
适合谁使用
开发者：几天内可做出生产级数字人应用。电商从业者：数字主播实时互动，提高转化。教育机构：虚拟教师支持多语言辅导。社交平台运营者：AI陪伴角色提升活跃度。
优点
- 新用户有1000个免费试用积分。
- 实时互动，不是离线渲染后再播放。
- 支持无限时长，短聊和长陪伴都能覆盖。
- 50种语音加28种语言，跨语言门槛低。
局限
- 需接入HTTP、AliRTC和WebSocket三套通道，有集成门槛。
- 按秒计费，长时间会话成本需提前测算。
- 数字人涉及形象和声音授权，须使用合法素材，避免侵权。
ViduS1 API 是什么
Vidu S1 API 是一个用于实时交互式数字人的流式视频生成模型。与离线渲染的文本转视频模型不同，它在对话过程中实时生成视频，数字人可以准实时看到、听到用户的输入，并带着表情、声音和个性作出回应。新用户可获得 1000 个免费试用积分，没有 SDK 锁定，定位为商业级应用。
你能用它做什么
- 双向语音视频对话：数字人实时回应，支持无限时长交互，从 1 分钟到 2 小时不降质。
- 多模态感知：支持语音、文本和视频输入，识别用户外貌、表情和情绪状态。
- 个性化角色：可定义真人、动漫角色或宠物等初始形象，并具备短期记忆保持对话一致性。
适合谁使用
- 开发者：通过 HTTP、AliRTC 和 WebSocket 三通道搭建数字人应用。
- 电商从业者：做数字主播，实时介绍商品并提高参与度。
- 教育机构与社交平台：虚拟教师和多语言陪伴角色。
需要留意什么
接入需要同时处理 HTTP、AliRTC 和 WebSocket 三条通道，还要管理心跳、重连和挂断原因，工程量不小。按秒计费意味着长时间陪伴场景要提前算成本。数字人使用的形象、语音和名人相似度都可能涉及授权问题，必须使用有权使用的素材，违规后果由使用者承担；在社交和电商场景中还应遵守平台对虚拟形象的标识要求。
常见问题
免费额度有多少？
新用户可获得1000个免费试用积分，且没有SDK锁定。
支持多长的对话？
官方称支持无限时长交互，从1分钟到2小时连续生成且质量不下降。
有多少种语音？
内置50种预设语音，每种语音支持28种语言。
为什么说它免费
官网写明的免费方式： 免费试用免费
免费额度、试用天数与功能范围由官网决定，随时可能调整，请以官网为准。
产品截图
截图归档自收录页面，仅供预览参考。
