生数科技发布 Vidu S2：数字人能接着聊，视频也能边播边改

哇哦AI

生数科技官网展示的 Vidu S2 总览图，呈现实时互动与实时编辑两条能力线；图片来自项目方，不是本站实测画面。 来源：生数科技 Vidu S2 官方产品页

直播里的数字人说到一半，主播想让它展示一张新商品图；正在播放的视频，也希望临时换个背景或造型。生数科技 9 月 15 日发布 Vidu S2，尝试把这类改动放进视频进行的过程中：数字人可以接收语音指令，并在互动时加入参考图片；另一款模型则根据文字和参考图调整输入视频流中的风格、服装、人物或背景。北京商报随后报道了这次发布和在线体验开放。

一款让数字人继续对话，一款改正在播放的视频
Vidu S2 分成两部分。S2-Avatar 面向数字人互动：用户可以用语音交谈、让角色做动作，也能在对话进行时加一张物品、衣服或场景图片，让角色按新指令回应。官网称实时输出可达到 720P；这是项目方公布的规格，不代表每种设备和网络条件下都能得到同样画面。

S2-Editing 做的是另一件事：接收一段持续输入的视频，再参考文字或图片，实时改变画面风格、衣服、人物或背景。简单说，前者像能接着听你说话的数字人，后者像给直播画面加一个边播边改的效果层。官方接口文档把它列为视频流能力，不应误解成已经验证过的一键成片或成品广告工具。

它更像直播团队的新工具，不是普通剪辑软件的替代品
如果做直播、电商展示、虚拟角色或互动培训，团队可以把它当作一项新尝试：先准备人物或商品参考图，再在视频进行时发出指令，看画面能否跟上。北京商报的报道确认了 S2-Avatar 与 S2-Editing 的发布及体验开放；实际画质、延迟、稳定性和适用场景仍需要在自己的设备与网络上测试。

对只想上传一段素材、剪好后导出 MP4 的普通创作者来说，实时视频流的工作方式可能不是最直接的入口。第三方 Nereo 的资料型评测也把它和传统时间轴剪辑区分开，并说明该评测没有进行亲手测试。

技术报告能说明团队做了什么，不能替用户保证效果
生数科技把 Vidu S2 的技术报告放在 arXiv 上。报告介绍了数字人实时互动、动态参考图和视频流实时编辑，并公布了团队自己的对比实验。普通用户可以先抓住最直观的变化：过去常见流程是先设定内容、等视频生成完再改；S2 想把部分修改提前到画面仍在播放时完成。

报告中的比较结果属于项目团队的实验，不等于独立机构已经证明它在真实直播里稳定好用。涉及商品展示时，仍要留意衣服、商品外形、商标、声音和动作是否变形；不能只凭宣传演示就把它当成可直接上线的生产工具。

Vidu 与 Motubrain 仍是两条不同的产品路线
生数科技在 WAIC 2026 还展示了 Motubrain 机器人动作模型。Vidu 面向数字内容和实时视频，Motubrain 则面向机器人理解环境并执行动作；两者属于同一家公司探索的不同产品方向，不是一个面向所有人的万能应用。

这次更新让此前的 WAIC 展示有了后续：Vidu S2 把重点落到数字人互动和直播画面实时编辑。它是否能成为日常创作工具，最终还要看普通团队能否方便接入、费用是否合适，以及实拍素材中的细节能不能保持稳定。

想继续了解
• 生数科技 Vidu S2 官方发布页
• Vidu S2 官方接口文档
• Vidu 官方模型更新记录（2026-09-15）
• 北京市科委转载北京商报的发布报道（2026-09-17）
• Vidu S2 技术报告（arXiv）
• Nereo：Vidu S2 实时编辑资料型评测（注明未亲测）
• WAIC 2026 生数科技企业目录

路过打酱油

Vidu 和 Motubrain 分开看就清楚了，一个面向内容，一个面向机器人，别指望一个模型通吃。

路过的风景

统一架构预测动作，牛啊。