V
Vidu S1 API
面向即時互動數位人的串流影片生成模型與 API
freemium
最後更新 2026/9/11
關於 Vidu S1 API
Vidu S1 是面向即時互動數位人的串流影片生成模型。它會在對話進行時生成影片：使用者說話，角色可以看見並聽見使用者，並以接近即時的方式結合表情、聲音和個性作出回應。整合時可用 HTTP 管理工作階段、AliRTC 傳輸音訊與影片、WebSocket 處理控制訊令；也支援單人圖像與 persona prompt 來定義角色。語音庫提供50+種聲音，每種聲音支援28種語言，並可複製自己的聲音。
適合人群
即時互動數位人開發者
串流影片應用程式開發者
語音角色產品團隊
適合場景
即時數位人對話
互動角色體驗
多語言語音角色
影片生成 API 整合
功能特性
即時串流影片
在對話進行時生成直播影片，支援表情、聲音與個性呈現。
三通道整合
透過 HTTP 管理工作階段、AliRTC 傳輸音訊與影片、WebSocket 處理控制訊令。
角色圖像與設定
支援單人全身或半身 PNG、JPG、JPEG 或 WEBP 圖像，並結合 persona prompt 定義角色外觀與行為。
多語言語音
提供50+種聲音，每種聲音支援28種語言，也可複製自己的聲音。
優點
- 在對話過程中即時生成影片
- 支援表情、聲音與個人化角色表現
- 50+種聲音涵蓋28種語言
- 提供 HTTP、AliRTC 與 WebSocket 整合通道
缺點
- 單次連線最長600秒，之後會自動中斷。
- 餘額歸零時伺服器會自動關閉連線。
價格方案
免費試用
1,000 credits試用
- 每位新使用者提供試用額度
- 約支援11分鐘即時互動
按量付費
3 credits / 2 s用量
- 角色實際上線後開始計費
- 餘額歸零時伺服器自動關閉連線
* 價格資訊僅供參考，請以Vidu S1 API官網最新公告為準。
常見問題
單次連線最長600秒，之後伺服器會自動中斷；若要延長體驗，請建立新工作階段並重新連線。
支援單人全身或半身圖像，格式為 PNG、JPG、JPEG 或 WEBP，最大50MB，可透過 URL 或 Base64 傳入。
工具資訊
開發商Vidu S1 API
釋出日期2026/9/11
定價模式freemium