Vidu S2: リアルタイムでインタラクティブ、編集可能、そして空間的な動画生成

Vidu S2: Real-Time Interactive, Editable, and Spatial Video Generation

September 10, 2026

著者: Jintao Zhang, Kai Jiang, Jintao Chen, Xu Wang, Deyuan Liu, Jungang Li, Dechuang Chen, Ming Lin, Jingjiang Zhou, Haopeng Jin, Qi Jia, Xiaohang Wang, Yaole Wang, Zhanqiang Zhang, Ran Li, Zhengkun Huang, Shuyue Xiong, Yuji Wang, Zikun Dai, Hui He, Yang Luo, Mang Ning, Weiqi Feng, Chengyang Ye, Xinyue Lin, Min Zhao, Hongzhou Zhu, Hengkai Tan, Zeyuan Wang, Chendong Xiang, Kaiwen Zheng, Zhijie Deng, Fan Bao, Jianfei Chen, Jun Zhu

cs.AI

要旨

我々はVidu S2を提案する。これは、リアルタイム対話型デジタルキャラクターモデルであるVidu S2-Avatarと、リアルタイム動画編集モデルであるVidu S2-Editingから構成される。さらに、Vidu S2-AvatarとVidu S2-Editingの両方について、リアルタイム空間動画生成の実現可能性を検討する。Vidu S1と比較して、Vidu S2-Avatarはリアルタイム720p動画生成、任意の時点で更新可能な動的参照を用いた生成、およびダンスなどのより強い指示追従をサポートする。Vidu S2-Editingは、スタイルレンダリング、衣装の置き換え、キャラクターの置き換え、背景の置き換えを含む動画ストリームのリアルタイム編集をサポートする。実験により、Vidu S2はすべてのベースラインを上回ることが示されている。プレイ可能なオンラインデモはhttps://vidu.com/vidu-streamで利用可能である。

English

We present Vidu S2, which comprises Vidu S2-Avatar, a real-time interactive digital-character model, and Vidu S2-Editing, a real-time video editing model. Moreover, we explore the feasibility of real-time spatial video generation for both Vidu S2-Avatar and Vidu S2-Editing. Compared with Vidu S1, Vidu S2-Avatar supports real-time 720p video generation, generation with dynamic references that can be updated at any moment, and stronger instruction following, such as dancing. Vidu S2-Editing supports editing a video stream in real time, including style rendering, clothing replacement, character replacement, and background replacement. Experiments show that Vidu S2 outperforms all baselines. A playable online demo is available at https://vidu.com/vidu-stream.