知识卡片：生数推出 Vidu S2，视频流支持实时编辑与换装

一句话结论：材料称，生数在 S1 之后 69 天发布 Vidu S2，推出面向播放中视频流实时编辑的 S2-Editing 与面向实时互动的 S2-Avatar，并宣布发布即开放体验。

事件概述或研究问题：据腾讯研究院AI速递 20260916 第四条目，生数发布 Vidu S2。该条聚焦两个问题：一是能否对正在播放的视频流进行实时、时序一致的编辑，例如换风格、换装、换角色与换背景；二是虚拟人/Avatar 能否在长时流式生成中保持实时输出与状态稳定。

方法/产品要点：

• 版本节奏：Vidu S2 距 S1 仅 69 天；材料称发布即开放体验。
• S2-Editing：借助“帧对齐稀疏注意力”，可对正在播放的视频流实时换风格、换装、换角色与换背景；材料称运动轨迹不穿帮。
• S2-Avatar：升级至 720P、25 至 42 帧实时输出；支持随时追加参考图并保留状态信息。
• S2-Avatar 训练：采用自研 SRF 训练技术，用于抑制长时流式生成中的漂移与崩坏。

主要结果或产业意义：材料给出的结果主要是产品能力与发布节奏，而非公开评测。若这些能力可用，视频生成可能从“离线生成片段”进一步走向“实时流式编辑与实时互动 Avatar”，对直播、短视频、虚拟人、在线会议等场景有潜在影响；发布即开放体验也可能降低试用门槛。实际产业影响取决于延迟、成本、画质、长时稳定性、合规与商用条件。

为什么重要：

• 视频 AI 的竞争点从生成质量扩展到实时编辑、流式一致性和长时稳定性。
• S2-Editing 针对播放中视频流的编辑，S2-Avatar 针对长时流式生成的漂移/崩坏，指向实时视频生成的两个关键工程瓶颈。
• 69 天版本间隔与“发布即开放体验”体现快速迭代和产品化节奏（材料口径）。
• 与既有脉络的关系：已有卡片中的“书生-S2”是上海AI实验室多模态/科学模型；本条是生数 Vidu S2 视频模型，二者仅命名相近，不是同一产品/事件。本卡片的增量信息是视频流实时编辑与实时 Avatar。

局限与不确定性：

• 本条依据“腾讯研究院AI速递 20260916”的二手汇总，非生数官方技术报告或产品页；架构、训练细节、评测数据、开放范围、价格、商用许可、地区可用性均待核实。
• “帧对齐稀疏注意力”“SRF”的完整定义、论文/技术报告与复现条件待核实。
• “运动轨迹不穿帮”“抑制漂移与崩坏”为材料描述，缺少定量指标、对比基线和测试条件。
• S2-Avatar 的 720P、25 至 42 帧实时输出在何硬件、网络、时长和并发条件下实现待核实；端侧/云侧部署待核实。
• “发布即开放体验”的具体入口、免费/付费、时长、水印与合规限制待核实。
• Vidu S1 的发布时间与版本口径待核实。

可用于图书/PPT/简报的角度：

• 从 Prompt-to-video 到 live video stream editing：视频生成进入实时编辑阶段。
• 实时 Avatar 的工程挑战：状态保持、参考图追加、长时漂移与崩坏抑制。
• AI 产品迭代节奏案例：69 天版本间隔、发布即体验。
• 技术关键词：帧对齐稀疏注意力、流式生成、720P、25 至 42 帧实时输出、SRF。
• 产业场景讨论：直播换装/换景、互动虚拟人、视频会议、在线教育等；需同时讨论深度伪造、身份与版权合规风险（材料未涉及，待核实）。

原始材料：

• 原始标题：腾讯研究院AI速递 20260916
• 英文标题：待核实（材料未给出）
• 英文关键词：Vidu S2; S2-Editing; S2-Avatar; SRF; 720P
• Track：industry；Topics：ai-industry
• URL：https://m.sohu.com/a/1076523476_455313?scm=10001.325_13-325_13.0.0-0-0-0-0.5_1334&digest_item=4
• 父摘要：腾讯研究院AI速递 20260916；父 URL：https://m.sohu.com/a/1076523476_455313?scm=10001.325_13-325_13.0.0-0-0-0-0.5_1334
• 相关条目：第四条“生数推出Vidu S2，视频流支持实时编辑与换装”