生數科技發布 Vidu S2 模型：支援 720p 即時影片生成與編輯，可即時換裝、換背景與控制動作

據報導，生數科技發布 Vidu S2 模型，主打「邊看邊改」的即時影片生成與編輯能力，並將即時輸出解析度提升至 720p。 模型分為兩大模組：S2-Avatar 為即時互動模型，增強對舞蹈、手勢與微表情的理解，可透過語音或文字指令驅動動作，並能在直播中途插入參考圖讓數位人持物、換裝或切換背景；S2-Editing 為即時編輯模型，支援即時修改流動影片畫面的風格、服裝、人物主體與背景，適用於直播帶貨的無縫換裝或影視特效。 技術架構方面，Vidu S2 採用 Backbone-Refiner 兩階段架構，主幹網路負責骨架運動與物理規律的低延遲推流，精煉網路則在毫秒級內完成 720p 細節重構；臨時加入的參考圖由 VLM Agent 協調對齊特徵。此外，生數獨創 SRF（Self-Replay Forcing）訓練技術，讓模型具備自我糾錯記憶，以解決長時間生成的畫面漂移問題。 Vidu S2 支援將即時生成或編輯後的畫面轉換為同步的左右眼視圖，相容頭顯設備呈現立體深度。目前官方已開放體驗網址與 API 平台。 報導另引述彭博社消息指出，字節跳動也正準備推出允許用戶建立即時空間影片的 AI 模型，最快可能於下個月面世。