V
Vidu S1 API
面向实时互动数字人的流式视频生成模型与 API
freemium
最后更新 2026/9/11
关于 Vidu S1 API
Vidu S1 是面向实时互动数字人的流式视频生成模型。它在对话进行时生成视频：用户说话，角色可看见并听见用户，并以近实时方式结合表情、声音和个性回应。集成时可用 HTTP 管理会话、AliRTC 传输音视频、WebSocket 处理控制信令；还支持单人图像与 persona prompt 定义角色。语音库提供50+种声音，每种声音支持28种语言，并可克隆自己的声音。
适合人群
实时互动数字人开发者
流式视频应用开发者
语音角色产品团队
适合场景
实时数字人对话
互动角色体验
多语言语音角色
视频生成 API 集成
功能特性
实时流式视频
在对话进行时生成直播视频，支持表达、声音与个性呈现。
三通道集成
通过 HTTP 管理会话、AliRTC 传输音视频、WebSocket 处理控制信令。
角色图像与设定
支持单人全身或半身 PNG、JPG、JPEG 或 WEBP 图像，并结合 persona prompt 定义角色外观与行为。
多语言语音
提供50+种声音，每种声音支持28种语言，也可克隆自己的声音。
优点
- 对话过程中实时生成视频
- 支持表达、声音与个性化角色表现
- 50+种声音覆盖28种语言
- 提供 HTTP、AliRTC、WebSocket 集成通道
缺点
- 单次会话最长600秒，达到后自动断开。
- 余额归零时服务器会自动关闭连接。
价格方案
Free Trial
1,000 creditstrial
- 每位新用户提供试用额度
- 约支持11分钟实时互动
Pay As You Go
3 credits / 2 susage
- 角色实际上线后开始计费
- 余额归零时服务器自动关闭连接
* 价格信息仅供参考，请以Vidu S1 API官网最新公告为准。
常见问题
最长600秒，达到后服务器自动断开；更长体验需创建新会话并重新连接。
支持单人全身或半身图像，格式为 PNG、JPG、JPEG 或 WEBP，最大50MB，可通过 URL 或 Base64 传入。
工具信息
开发商Vidu S1 API
发布日期2026/9/11
定价模式freemium