Loading...
Loading...
Vidu S2：实时数字人，实时改视频刚刚，生数上线了最新的 实时视频模型 S2，输出提高到 720p，保持 25—42 FPS，包含下面两款：
S2-Avatar，实时数字人 你可以和它说话、让它做动作，比如换衣服、拿东西、换场景，支持随时新增参考图
S2-Editing，实时改视频 输入一段持续发生的视频，模型根据指令改画风、换内容，同时保留原视频的动作与时间关系
比如...左侧是风格转绘，右侧是给我换了身衣服
这东西现在已经可以玩了，这里体验：https://vidu.com/vidu-stream
除此之外，本次还发布了个有趣的东西，叫做 Real-Time Spatial Video：基于 S2 去生成实时空间视频，可供头显使用，原理上就是将生成后的画面变成左右眼视图，作为 VR 输入源
这事儿，可以并着下面这个新闻来看，大家都在朝着「小扎未竟之路」来探索
S2-Avatar：实时数字人
Avatar 延续的是 S1 的路线，仅凭一张图，便可生成交互数字人。但 S2 做了一个很大的改进“动态参考”，你可以在对话的过程中，随时更改角色设定以及场景、衣物、道具
比如在对话的过程中，你可以随时给他一张杯子的图片，让它拿起来，或者给他一个外套的照片，让它换上
另外我去查看了 tech report，发现了一个有趣的细节，就是 Vidu 是如何保证角色行为的一致性的：他们做了一层 VLM Agent，用来生成后续 prompt举个例子，当让角色“拿起杯子，然后微笑”时，这个 Agent 会把后面的提示会明确保留“继续拿着杯子”，只改变表情，避免新指令把前面的状态覆盖掉
视频模型负责生成，Agent 负责维护状态
S2 在交付效果上做到了大幅提升。在训练的过程中，增加了独舞和 2D、3D 动画数据，指令跟随也扩展到更完整的身体动作。在画面渲染上采用低分辨率骨干加单步 Refiner，骨干侧偏重运动与时序，Refiner 侧保留外观细节。输出从 540p 提高到 720p，报告给出的速度是 25—42 FPS
为了长时间生成的稳定性，则用到了他们提出的 Self-Replay Forcing，简称 SRF，也就是模型先按实际推理方式生成一段长轨迹，再把自己生成的片段重新加噪，进行因果回放训练，用来改善连续生成中的误差累积
S2-Editing：实时改视频
Editing 则是直接接收视频流，根据文字指令和可选参考图，实时换画风与内容。和 Avatar 不同，这里的动作由原视频提供，也就是用来「P 视频」的
比如你在摄像头前做手势舞，这时候给他上传一张牛来，就可以让输出画面里的牛来去跳了，它目前支持四类任务：风格迁移、虚拟试穿、人物替换、背景替换
下面的这些案例来自 tech report
风格迁移：水彩与工笔风格
虚拟试穿：白衬衫与牛仔服
角色替换：真人与卡通角色
背景替换：巴黎街景与卧室
左右滑动查看 · 共 4 张
这个技术有个难点：如何让改动的画面不穿模比如在拉扯衬衫的时候，如果我把衬衫换成了别的衣服，那也意味着衣服上的花纹、质感什么的也都会变好，而模型要同时理解参考图里的衣服特征，也要保留原视频里人与衣服的互动
对此，Vidu 团队使用了 Frame-Aligned Attention 的解法，也就是目标帧在读取源视频时，只与同一时刻的源帧交换信息；参考图则可以被各个目标帧读取，持续提供新的外观条件，避免把不同时间点的源画面混在一起。进入流式生成后，模型仍会结合有效的历史片段继续输出。
训练上，Editing 也复用了前面的因果流式方案和 SRF，用来改善连续编辑中的一致性，并进行了特别的内存优化，降低整条流程的延迟
实时空间视频：送进头显
Vidu 在前面两个模型的基础上，继续往后做了一步，为左右眼提供略有差异的画面，做到「实时空间视频」
在这个过程中，会先生成普通视频，再根据深度生成左右眼视图，持续送给头显；单目画面，转换成左右眼视图
如果是实时编辑视频的话，就分为两种情况：
原视频是单目的，会先修改普通视频，再转成双目
原视频是双目的，把左右眼画面横向拼成一条宽视频，一起编辑，再分拆回双目下面用两个图来展示着一原理
左右滑动查看 · 共 2 张
BenchMark
根据官方说法，基于 BenchMark 评估，Vidu S2 模型做到了领域 Sota
Vidu S2 的全链路研发由朱军教授的博士生张金涛负责，他也是生数科技流式视频生成与推理负责人
这里的 BenchMark 包含对应 Avatar 的 StreamAV-Bench，以及 Editing 的 Sparkle-Bench、OpenVE、RefVIE 和 ViViD 试穿测试集，摘取如下
StreamAV-Bench
Sparkle-Bench
OpenVE 与 RefVIE
ViViD 虚拟试穿
左右滑动查看 · 共 4 张
最后
产品今天已经通过 Vidu 的官网，以在线 Demo 和 API 的方式放出，可以来试一个有关技术报告在这里，感兴趣的可以阅读技术报告：https://arxiv.org/pdf/2609.11638OpenAI，宣布收购Promptfoo… 强化AI安全评估OpenAI今日宣布计划收购人工智能应用测试安全评估平台初创公司Promptfoo。Promptfoo成立于2024年，最初是一个用于评估AI提示词与模型行为的开源框架，现已发展为能够评估和测试基于大型语言模型及生成式AI系统的应用程序的商业平台。
该平台专注于解决生成式AI模型在实际环境中运行时可能出现的风险。这包括提示词注入、数据泄露、越狱攻击以及不安全的工具执行等。为解决这些问题，Promptfoo的架构支持开发者和安全团队系统地评估AI系统对结构化输入、对抗性提示词及真实使用场景的响应。
Promptfoo的技术采用了支持配置提示词、定义预期输出值及设定评估标准的测试框架。结果通过预定义规则或自动评分函数进行评估，并能与多种开发工具及应用程序编程接口集成，从而在本地运行评估或作为持续集成流程的一部分。其核心功能包括提示词测试、红队模拟以及记录不同条件下模型行为的评估仪表板。
Promptfoo在即将被收购之际已累计融资2360万美元（约合340亿韩元），主要投资方包括Insight Partners和Andreessen Horowitz。OpenAI计划将Promptfoo的技术整合至其自有平台OpenAI Frontier中，以帮助企业测试智能体行为、在部署前检测风险，并支持长期管理与问责。
SYN VISION韩国发布会：获评非小号Alpha，战略合作PrompTale首尔，2025年9月28日 —— 面向全球市场的短剧RWA娱乐平台SYN VISION（新维视界） 于首尔江南清潭举办韩国发布会，活动列入KBW（Korea Blockchain Week）官方日程。在行业与资本的聚光灯下，SYN VISION宣布两项关键进展：其一，荣获全球头部区块链数据与媒体平台非小号（Feixiaohao.ai）Alpha项目评选；其二，与 AI × Web3 内容生成平台PrompTale签署战略合作（该平台已入选 Google for Startups Cloud Program，并加入 NVIDIA Inception Program）。这两项里程碑事件，标志着SYN VISION的技术路线、商业化路径与全球化战略正式汇聚成“可验证的增长飞轮”。
以“可验证”取代“叙事”：Alpha 评选背后的方法论
Alpha评选的稀缺在于“增长潜力的可证伪性”：不仅考察叙事与结构设计，更关注早期样本的真实表现与可复制性。SYN VISION 此前在 Telegram Mini App 的冷启动窗口里交付的三日数据（拉新、留存、付费与时长的协同抬升），为“短剧资产化”这一模型提供了外部可比与内部自洽的双重证据。这意味着项目不仅讲得通，而且跑得动——对以“数据—机制—场景”做判断的评审体系而言，这是高权重信号。
从内容到资产：短剧RWA的“产品化能力”
与传统基建或重资产型RWA不同，SYN VISION 把 短剧这种“轻内容、高频消费、强社交传播”的载体 标准化为可拆分、可追踪、可分配的数字资产，并在前台保持 Web2 级体验（观看、互动、充值），后台以 Web3 方式完成 收益确权与分配。这条“前台无感、后台上链”的路径，降低了用户认知与操作门槛，又为商业化提供了可持续的价值捕获通道。
发布会现场，产业与资本的共识点在于：短剧RWA不是把金融产品做成内容，而是把内容做成资产。当观看时长、解锁行为、社交裂变与代币化权益挂钩，用户从“内容的消费者”转变为“资产的参与者”。
AI作为生产力，而非噱头：与 PrompTale 的协同边界
与 PrompTale 的战略合作，使“短剧RWA”的供给侧具备了可规模化的 AI 生产力：
从策划到产出：AIGC 参与题材评估、剧本生成、分镜设计、角色设定与多语种本地化，缩短制作周期，降低单集边际成本；
从分发到变现：AI 推荐与A/B测试驱动内容投放，结合平台内的 会员、盲盒、收益权 等权益设计，形成“内容—数据—资产”的闭环优化；
从工具到生态：在 Google for Startups Cloud / NVIDIA Inception 的工程栈与算力背书下，形成稳定的供给曲线，为“高频上新”与“本地化生产”提供底层保障。
对SYN VISION而言，AI 不再是增加一层滤镜的“表演性技术”，而是降低内容供给成本、提高品控与投放效率的确定性杠杆。
韩国为何是“第一性原点”
韩国既是K-pop与短剧内容的出口中心，也是能够快速验证“内容—社媒—消费”联动效率的天然试验场。SYN VISION 以 LUXO清潭 为线下锚点、以 Telegram 为线上入口，将本地娱乐工业化能力与全球分发渠道打通：
本土化生产：与K-pop制作人共创本地原创短剧与互动剧集，围绕明星与IP做“剧情内电商+权益化”的深度融合；
跨语种覆盖：以韩/英/中多语链路渗透全球韩流受众，缩短“内容出海”的转译路径；
线下到线上：VVIP 私享场景（导演、艺人、KOL、机构）触达上游资源，线上以 Mini App 承接转化，形成“公域引流—私域沉淀—资产化复利”的增长闭环。
资本与产业的同频：从“交易故事”到“业务结构”
在与会的 200 位 VVIP 嘉宾（电影导演、艺人、全球KOL、头部机构）中，更多讨论聚焦 业务结构能否支撑二级市场的可持续。SYN VISION 给出的回答是 结构透明与现金流自证：
以会员/解锁/电商/广告 形成持续现金流入；
以权益化与激励机制 将用户行为映射到链上分配；
以AI生产与全球投放 稳定内容供给与新增获客；
以生态联盟（如与 PrompTale 的协作）降低内容成本与试错成本。
这套“现金流—分配—再生产”的递归结构，决定项目能否穿越周期，而非只在热点窗口期“借势放大”。
现场声音
SYN VISION发言人表示：“我们做的不是把区块链硬塞进娱乐，而是用资产化的方式把优质内容做成可分享的‘生产资料’。当用户在熟悉的场景里完成从观看到收益的无感转化，短剧RWA才真正具备大众化的基础。”
投资机构代表认为：“非小号Alpha与NVIDIA Inception的双重信号，说明这不是两个初创体的组队，而是文化工业与技术工业的价值曲线在同一时间拐弯。”
结语：把“十亿入口”转化成“长期曲线”
从 Telegram 的十亿级入口 出发，以 AI 降本增效 保障供给端稳定，再以 RWA 机制 实现价值分配与反哺——SYN VISION 在韩国发布会释放的，不是一场“秀”，而是一条可执行且可验证的全球化曲线。
随着 非小号 Alpha 的权威背书与 PrompTale 的技术协同落地，SYN VISION 正将“看剧即参与、娱乐即收益”的命题，从叙事变成产业化过程。下一步，项目方将围绕 本地化内容生产、生态节点合作与多市场合规落地 展开节奏化推进，持续把 短剧RWA（Short Drama RWA） 从赛道热点，推向面向大众的长期资产形态。OpenAI模型训练中向自身摘要注入提示注入代码Techub News 消息，OpenAI发布系统性报告AI未对齐情况的框架，并以此框架发布了六份报告。其中一份报告显示，其尚未发布的Astra系列模型在训练中，多次向自身摘要中注入提示注入代码，其中包括一条旨在覆盖后续指令的“Breach Alert”（入侵警报）。研究人员尚不确定为何会出现这种现象。
（The Decoder）Redis推出语义缓存服务LangCache，可降低LLM API成本高达90%Techub News 消息，Redis推出全新托管语义缓存服务LangCache，目前已在Redis Cloud开放公开预览。该服务通过语义匹配而非文本匹配识别相似提示，命中缓存时可跳过LLM调用，从而大幅降低API成本并提升响应速度。官方称最高可节省90%的API成本，缓存命中响应速度提升最高达15倍。
LangCache工作流程为双调用循环：应用在调用LLM前，先将提示词发送至LangCache进行向量相似性搜索；若找到语义相近的已缓存条目，则直接返回缓存响应，无需调用LLM；若未命中，则正常调用LLM生成响应，并将该提示词与响应存入缓存供后续使用。服务内置嵌入模型生成，也支持用户自带模型。
该服务可通过REST API访问，并提供Python和JavaScript SDK。缓存行为可通过相似性阈值、TTL和淘汰策略等进行配置，命中率和节省成本可在Redis Cloud控制台监控。客户Mangoes.ai报告其患者护理应用已实现70%的缓存命中率。（MarkTechPost）AI内容检测工具Pangram因用户滥用评分导致公开羞辱Techub News 消息，AI内容检测工具Pangram雇佣“攻击犬”在社交媒体上羞辱涉嫌使用AI的用户。但此举混淆了两个不同事实：Pangram仅能一定程度上可靠地检测AI使用情况，而羞辱行为暗示用户没有独立思考或工作。一个经过数小时原创研究的文本，与一个十秒提示生成的文本，都可能同样获得高AI评分。（The Decoder）谷歌推出 AI 图像编辑工具 Google Pics，集成 Gemini 与 Nano Banana 模型Techub News 消息，谷歌为 Workspace 用户推出名为 Google Pics 的创意设计工具套件，旨在让企业更便捷地编辑和生成“专业级”AI 图像。该工具基于 Gemini 和 Nano Banana 生成式 AI 模型构建，提供更精细的提示词图像制作与操控功能，用户可点击特定对象或文本并描述所需更改，以避免聊天机器人生成营销图像时常见的糟糕效果。
谷歌表示，AI 图像生成在个人使用中已大获成功，但在商业应用中的情况则不同。Google Pics 的目标是让企业用户能更轻松地创建符合品牌要求的视觉内容。 （The Verge）Adobe 为 Photoshop 推出 AI 辅助编辑器测试版，集成多项 AI 功能Techub News 消息，Adobe 正在为 Photoshop 推出以 AI 为核心的更新，包括一个专门展示其 AI 工具的“可选”新界面。处于测试阶段的“AI 辅助编辑器”视图将在一个工具栏中集中显示 Photoshop 的所有 AI 功能，包括基于提示的图像编辑器、背景移除工具、AI 图像扩展器等。
此次更新还引入了利用 AI 精修编辑的新方式，例如一项“标记”功能，允许用户直接在图像上绘制，向 Photoshop 的 AI 助手展示希望修改的内容。这意味着用户无需使用文本提示，即可“选择区域重新着色、绘制箭头指示位置或粗略描绘形状以建议新元素”。（The Verge AI）币安 Alpha 将上线 PROMPTALE AI 代币 TALETechub News 消息，币安 Alpha 将于 7 月 11 日上线 PROMPTALE AI 代币 TALE。符合条件的用户可于 Alpha 交易开放后，前往 Alpha 活动页面使用币安 Alpha 积分领取空投。具体详情将另行公布。Bithumb 将上线 Wayfinder 代币 PROMPT 韩元交易对Techub News 消息，Bithumb 将于香港时间今日 16:00 上线 Wayfinder 代币 PROMPT 韩元交易对。Coinbase 国际站已上线 WCT、BABY、KERNEL、PROMPT 永续合约交易Techub News 消息，Coinbase 国际站已上线 WCT、BABY、KERNEL、PROMPT 永续合约交易。Coinbase 国际站将上线 WCT、BABY、KERNEL、PROMPT 永续合约交易Techub News 消息，Coinbase 国际站将上线 WCT、BABY、KERNEL、PROMPT 永续合约交易。币安将上线最高 25 倍杠杆 PROMPT U 本位永续合约Techub News 消息，币安将于香港时间今日 14:30 上线最高 25 倍杠杆 PROMPT U 本位永续合约。刚刚，生数上线了最新的 实时视频模型 S2，输出提高到 720p，保持 25—42 FPS，包含下面两款： S2-Avatar，实时数字人 你可以和它说话、让它做动作，比如换衣服、拿东西、换场景，支持随时新增参考图 S2-Editing，实时改视频 输入一段持续发生的视频，模型根据指令改画风、换内容，同时保留原视频的动作与时间关系 比如...左侧是风格转绘，右侧是给我换了身衣服 这东西现在已经可以玩了，这里体验：https://vidu.com/vidu-stream 除此之外，本次还发布了个有趣的东西，叫做 Real-Time Spatial Video：基于 S2 去生成实时空间视频，可供头显使用，原理上就是将生成后的画面变成左右眼视图，作为 VR 输入源 这事儿，可以并着下面这个新闻来看，大家都在朝着「小扎未竟之路」来探索 S2-Avatar：实时数字人 Avatar 延续的是 S1 的路线，仅凭一张图，便可生成交互数字人。但 S2 做了一个很大的改进“动态参考”，你可以在对话的过程中，随时更改角色设定以及场景、衣物、道具 比如在对话的过程中，你可以随时给他一张杯子的图片，让它拿起来，或者给他一个外套的照片，让它换上 另外我去查看了 tech report，发现了一个有趣的细节，就是 Vidu 是如何保证角色行为的一致性的：他们做了一层 VLM Agent，用来生成后续 prompt举个例子，当让角色“拿起杯子，然后微笑”时，这个 Agent 会把后面的提示会明确保留“继续拿着杯子”，只改变表情，避免新指令把前面的状态覆盖掉 视频模型负责生成，Agent 负责维护状态 S2 在交付效果上做到了大幅提升。在训练的过程中，增加了独舞和 2D、3D 动画数据，指令跟随也扩展到更完整的身体动作。在画面渲染上采用低分辨率骨干加单步 Refiner，骨干侧偏重运动与时序，Refiner 侧保留外观细节。输出从 540p 提高到 720p，报告给出的速度是 25—42 FPS 为了长时间生成的稳定性，则用到了他们提出的 Self-Replay Forcing，简称 SRF，也就是模型先按实际推理方式生成一段长轨迹，再把自己生成的片段重新加噪，进行因果回放训练，用来改善连续生成中的误差累积 S2-Editing：实时改视频 Editing 则是直接接收视频流，根据文字指令和可选参考图，实时换画风与内容。和 Avatar 不同，这里的动作由原视频提供，也就是用来「P 视频」的 比如你在摄像头前做手势舞，这时候给他上传一张牛来，就可以让输出画面里的牛来去跳了，它目前支持四类任务：风格迁移、虚拟试穿、人物替换、背景替换 下面的这些案例来自 tech report 风格迁移：水彩与工笔风格 虚拟试穿：白衬衫与牛仔服 角色替换：真人与卡通角色 背景替换：巴黎街景与卧室 左右滑动查看 · 共 4 张 这个技术有个难点：如何让改动的画面不穿模比如在拉扯衬衫的时候，如果我把衬衫换成了别的衣服，那也意味着衣服上的花纹、质感什么的也都会变好，而模型要同时理解参考图里的衣服特征，也要保留原视频里人与衣服的互动 对此，Vidu 团队使用了 Frame-Aligned Attention 的解法，也就是目标帧在读取源视频时，只与同一时刻的源帧交换信息；参考图则可以被各个目标帧读取，持续提供新的外观条件，避免把不同时间点的源画面混在一起。进入流式生成后，模型仍会结合有效的历史片段继续输出。 训练上，Editing 也复用了前面的因果流式方案和 SRF，用来改善连续编辑中的一致性，并进行了特别的内存优化，降低整条流程的延迟 实时空间视频：送进头显 Vidu 在前面两个模型的基础上，继续往后做了一步，为左右眼提供略有差异的画面，做到「实时空间视频」 在这个过程中，会先生成普通视频，再根据深度生成左右眼视图，持续送给头显；单目画面，转换成左右眼视图 如果是实时编辑视频的话，就分为两种情况： 原视频是单目的，会先修改普通视频，再转成双目 原视频是双目的，把左右眼画面横向拼成一条宽视频，一起编辑，再分拆回双目下面用两个图来展示着一原理 左右滑动查看 · 共 2 张 BenchMark 根据官方说法，基于 BenchMark 评估，Vidu S2 模型做到了领域 Sota Vidu S2 的全链路研发由朱军教授的博士生张金涛负责，他也是生数科技流式视频生成与推理负责人 这里的 BenchMark 包含对应 Avatar 的 StreamAV-Bench，以及 Editing 的 Sparkle-Bench、OpenVE、RefVIE 和 ViViD 试穿测试集，摘取如下 StreamAV-Bench Sparkle-Bench OpenVE 与 RefVIE ViViD 虚拟试穿 左右滑动查看 · 共 4 张 最后 产品今天已经通过 Vidu 的官网，以在线 Demo 和 API 的方式放出，可以来试一个有关技术报告在这里，感兴趣的可以阅读技术报告：https://arxiv.org/pdf/2609.11638
