从"抽卡等结果"到"像改PPT一样实时改画面"

9月中旬，生数科技在Hugging Face发布实时视频生成模型Vidu S2，支持720p分辨率、25-42FPS实时输出，并同步放出在线演示与API。其中S2-Avatar可从一张图片生成实时交互数字人，对话中动态注入参考图更新角色、服装与道具；S2-Editing可对连续视频流做实时文字驱动的风格迁移、虚拟试穿、角色替换与背景替换。训练中加入独舞与2D/3D动画数据，强化全身动作跟随。

"实时"两个字，被行业低估了

对短剧行业，"实时"的意义远超技术炫技。过去做一集漫剧，要在提示词、生图、生视频之间反复抽卡等待，创作反馈循环以"小时"计；Vidu S2把这条链路压到"秒"级，试错成本随之崩塌。更关键的是，它首发即开源，等于把军备门槛又拉低一截——接下来比的是谁先用实时管线做出新形态内容。

三条产品线同时被打开

S2同时触碰了真人互动直播、数字人剧、头显内容三条赛道。S2-Avatar的实时交互数字人，让"观众对话驱动剧情"从概念走向可用；S2-Editing的实时风格迁移，让后期从工序变成现场创作；首发实时空间视频方案，可为头显生成双目立体画面，直接对接沉浸式内容需求。对漫剧与仿真人剧生产，这些是底层生产工具级的升级。

结语

Vidu S2的出现，标志着AI视频从"生成一段"迈向"生成一条流"。当画面能随对话和指令实时变化，短剧的创作范式会被重写——导演不再等结果，而是和模型一起演。