Vidu S1
Vidu S1 は、音声制御、双方向認識、カスタムアバターに対応し、インタラクティブなデジタルヒューマンをリアルタイムに動かすストリーミング動画生成モデルです。
Vidu S1について
Vidu S1 は、チームによるインタラクティブな AI デジタルヒューマンの評価と構築を支援するリアルタイムストリーミング動画生成モデルです。音声制御と双方向認識に対応し、デジタルヒューマンは音声、テキスト、視覚コンテキストに応答しながら、対話中のユーザーステートを保持できます。人間、アニメ、ペット/マスコットなどのアバタータイプから選択でき、独自の参考素材をアップロードして専用アバターをカスタマイズすることもできます。統合では、セキュアなサーバー側トークン、RTC メディア転送、WebSocket セッション制御を組み合わせます。単一のサーバー側オーケストレーション層を中心に、リアルタイムデジタルヒューマンセッション、デジタルヒューマン動画生成、非同期モデル予測などのサービスを選択でき、企業によるリアルタイムインタラクティブデジタルヒューマンの試験導入計画を支援します。
おすすめの利用者
最適な利用シーン
企業向けリアルタイムインタラクティブデジタルヒューマンの試験導入を計画する
音声、テキスト、視覚コンテキストに応答するリアルタイムデジタルヒューマン対話を構築する
独自の参考素材で人間、アニメ、マスコットのアバターをカスタマイズする
RTC と WebSocket でリアルタイムデジタルヒューマンのセッションフローを構築する
機能
カスタムアバターライブラリ
人間、アニメ、ペット/マスコットなどのアバタータイプを提供し、独自の参考素材をアップロードできます。
双方向認識
デジタルヒューマンは音声、テキスト、視覚コンテキストに応答し、対話中のユーザーステートを保持できます。
リアルタイム統合フロー
セキュアなサーバー側トークン、RTC メディア転送、WebSocket セッション制御を軸にした本番向け方式を採用しています。
サーバー側オーケストレーション
統合オーケストレーション層を通じて、リアルタイムデジタルヒューマンセッション、デジタルヒューマン動画生成、非同期モデル予測を選択できます。
長所
- 音声、テキスト、視覚のマルチモーダルな双方向認識に対応し、対話中のユーザーステートを保持できます
- 人間、アニメ、ペット/マスコットなどのアバタータイプを提供し、独自の参考素材をアップロードできます
- セキュアトークン、RTC メディア転送、WebSocket セッション制御を含む明確な統合方式を提供します
- 単一のサーバー側オーケストレーション層から、リアルタイムセッション、動画生成、非同期予測など複数のサービスに接続できます
短所
- クレジットポリシーとアカウント上限はコンソールで確認する必要があるため、試験導入前に利用時間と残高のルールを確認する必要があります