Vidu S2 发布，双模型覆盖角色与编辑
Vidu S2 发布于 2026 年 9 月，生数科技推出 Vidu S2-Avatar 与 Vidu S2-Editing 两款模型，分别面向持续交互的数字角色生成与输入视频流的实时编辑，并探索面向 VR 头显的实时空间视频。
全链路研发由朱军教授博士生、生数科技流式视频生成与推理负责人张金涛（Zhang Jintao）负责。
Vidu S2 发布后，S2-Avatar 将实时输出从 540P 提升至 720P，支持生成过程中随时更新参考图，舞蹈等大幅度动作的指令跟随能力同步增强。
四类实时编辑任务
S2-Editing 接收持续输入的视频流，根据文本指令与可选参考图完成编辑，人物动作与镜头移动时结果实时跟随。
- 风格迁移，参考图改变笔触与色彩，保留人物轮廓与场景布局
- 虚拟试穿，参考服装迁移到视频中人物身上
- 人物替换，迁移面部发型服装与整体外观，保留源视频运动
- 背景替换，更换环境并保持前景背景空间关系
评测成绩与竞品对比
StreamAV-Bench 上，S2-Avatar 在 9 项指标中均取得最优，含视频质量 3.370，音画同步误差 0.617 为全榜最低。
对比 Bernini-R 14B 和 Vidu S2-Editing 的区别，OpenVE 与 RefVIE 联合评测中后者以 4.26 对 3.92 领先，且为流式实时编辑，前者为离线模型。
| 模型 | 联合评测得分 | 类型 |
|---|---|---|
| Vidu S2-Editing | 4.26，五项指标全最高 | 流式实时编辑 |
| Bernini-R 14B | 3.92 | 离线编辑 |
| XMax-X2.0 | 2.64 | 流式模型 |
内部 150 组成对案例评测中，S2-Editing 平均一致性得分 3.56，高于 Decart-Lucy2.5 的 2.59 与 XMax-X2.0 的 1.67。
技术要点与获取方式
技术核心为 Self-Replay Forcing 训练方法，模型在自生成轨迹上做可传播梯度的因果重放训练，缓解流式生成的误差累积与身份漂移。
视觉反馈由 VLM Agent 检查输出视频帧并调整后续提示词，推理侧结合混合注意力与低比特计算，以轻量单步 Refiner 恢复 720P 细节。
技术报告已在 arXiv 公开，权重未在 github.com 公开，也未采用 MIT 或 Apache 协议，体验入口为 vidu.com，API 见官方平台文档。
本文作者基于官方技术解析整理，空间视频当前以固定视角为主，全景方案在后续探索计划中。
常见问题
问，Vidu S2 是什么？
生数科技 2026 年 9 月发布的实时视频生成模型，含 S2-Avatar 数字角色与 S2-Editing 视频流实时编辑两款，支持 720P 实时输出与空间视频探索。
问，如何使用 Vidu S2？
体验入口为 vidu.com 的 vidu-stream 页面，开发者可通过官方 API 平台接入，技术报告已在 arXiv 公开。
问，对比 Bernini-R 14B 和 Vidu S2-Editing 的区别是什么？
对比 Bernini-R 14B 和 Vidu S2-Editing 的区别，前者是离线编辑模型，联合评测 3.92 分，后者流式实时编辑拿 4.26 分并在五项指标全部领先。
问，Vidu S2 是否开源？
未开源，技术报告已在 arXiv 公开，但权重未在 github.com 公开，也未采用 MIT 或 Apache 协议，需通过官方体验入口与 API 使用。
来源说明
本文来源，生数科技《Vidu S2技术解析，实时编辑、实时交互、探索空间视频》https://mp.weixin.qq.com/s/f2uewxWhxWlq_JOQqFvmiw。
发布说明，文章基于官方技术解析整理，最后更新 2026 年 9 月，更新日志口径为 v2026.9.16。
