最强实时互动模型迎来了直播首秀。
中秋节期间，陀螺君偶然刷到一场直播。造梦次元的 AI 主播紫樱，正在挑战一项限时营业任务。她要在规定时间里完成目标，没完成就会再来一轮。
把AI主播放进直播间，在过去几年并不算稀奇，AI新闻主播，AI带货主播，市面上基本都有。
但这场直播有点不一样。紫樱没有一套能从头走到尾的固定流程。
观众可以点歌、投票选造型、送礼物，也能随时提新要求。紫樱得根据这些变化继续互动、换装和表演。中途被打断后，她还得把前面的内容接回来。
一开始，很多人就是来看热闹的。大家想试试AI 主播能不能接住弹幕，会不会卡住，营业任务到底能不能完成。
结果，一场直播下来，不少观众被紫樱圈了粉。当天，直播间一度涌进 2 万人。
这场直播的看点，除了看AI 主播能不能完成挑战之外，海量信息、场景变化和人物动作的同时涌入，更像一次针对背后 AI 能力的压力测试，考验紫樱背后的实时互动模型能不能撑住。
对不同领域的从业者来说，这场直播也提供了一个新方向。如果 AI 直播能处理这么多信息，并逐一应对，放到自己的业务里，又能解决哪些痛点，带来哪些新的想象空间？
第一次被AI主播圈粉
看完直播后，我最直接的感受是“AI 已经能做到如此地步了？”
这场直播最难的地方在于，没有固定流程，观众送什么礼物，都可能打断当下的互动。
这也让我感到震惊的点，就比如有人投喂后，她手里随即多出一个甜甜圈。她低头咬了一口，甜甜圈上也跟着少了一块，再抬头继续和弹幕说话，整个过程看着很自然。
另一次互动里，屏幕落下烟花礼物特效，画面切进红色舞台，她开始跳舞。一段舞结束后，她又回到原来的直播间继续聊天。
之所以说紫樱像真人而不是AI，还有一个原因。在互动上，她的AI感也没有那么足，聊天有自己的节奏。
比如晚上 11 点多有观众进来，她甚至会调侃“大家一到中秋节放假，是真不睡啊。”
此外，尽管是营业挑战，但并不是我们想象中的直播PK那样，主播想方设法让观众刷礼物。有人送礼，她反而会劝对方别再送了，说“上班那么辛苦，对自己好一点”。
能看到，包括聊天互动、切场景、礼物特效和唱歌这些都会同时发生，但AI主播能自己调整这些事情的先后顺序，让整个流程不会出现割裂感，看起来非常像是真人主播。
这让我开始好奇，紫樱背后的实时互动是怎么实现的。
支撑她这些表现的，是前不久发布的Vidu S2。简单来说，它支持数字人实时互动，也能在视频播放过程中，修改画面的风格、服装、人物和背景，为直播、虚拟演绎和互动内容提供了新的解法。
实际上，从 Vidu S2 问世后，市面上已经有了不少合作案例，除了造梦次元的紫樱，还有创梦天地的《地铁跑酷》闪闪直播，以及最让网友们喜爱的，Vidu S2模型助力360移动产品中心落地的H5《甄嬛360传》粉丝见面会。
我们从中也多少能窥见Vidu S2的逆天能力。
比如，你让大胖橘展示宝剑，他会给你进行展示，说话和气，却仍然带着几分威严；
再去和华妃互动，她也会答应你的要求，但言语和神态里仍有那股骄横劲儿。
其他角色也类似，动作自然、说话和反应都贴合各自的性格，真的有种让人和影视角色日常视频通话的感觉。
当有了实时回复和画面动态变化，观众所感受到的就是更深层次的互动，也更容易感受真人才具有的陪伴感。更重要的，观众参与的方式也被改写了，仿佛屏幕里的人物就是融合了智能的真人，时刻影响着我们的情绪。
这也让我更想知道，把它用到日常聊天、工作和内容创作里，体验到底怎么样。
和AI数字人聊天，也有了面对面的感觉
Vidu S2主要分为Avatar和Editing两块，目前都能体验。
在Avatar里，可以直接选用平台提供的角色，开启麦克风和摄像头权限后，就能开始对话。
目前，不少平台都结合Vidu S2的能力，就比如 AI 原生互动内容平台 ReelFork。用户可以进入角色和故事，通过互动改变内容发展，衍生出短剧、文游、游戏等不同形态。创建了可以互动的角色，玩起来也是相当有意思。
拿平台里的二次元虚拟偶像来说，看到角色嘴上傲娇、却还是照做的模样，互动时都忍不住咧嘴笑。
还有，谁不想和外星人对谈，复刻一场《银翼杀手》那样的深度对话呢？
Avatar还有一种玩法，就是自己创建角色。用户可以上传真人照片、动漫图片或萌宠图片，再简单补充人物设定、行为特征等描述，这些内容都会体现在对话中。整个过程不需要自己预训练模型，就能快速生成一个专属数字人。
这次我选择创建的是《咒术回战》中的人气角色五条悟。
创建时，我先上传了一张五条悟的参考图，再补充他的性格、说话方式和《咒术回战》的背景设定。为了让声音也更接近角色，我还找了一段五条悟的音频，让模型学习他的声线。
我不想做出一个只是拥有五条悟外形的数字人，更想看到的是，他能带着五条悟的性格、说话方式和经历来回答问题，而不是一个只能笼统回答的普通的 AI 助手。
在聊天之前，我先和数字五条悟互动了一番，让他做出了双手合十、比心等动作。即使上传的参考图没有完整露出手部，模型也能补出双手，完成对应动作。
实际聊下来，他的回应基本没有脱离原本的经历和设定，角色的身份感也保持得相当稳。
我问他：“怎么看待自己在新宿大战中输给宿傩。”
从回答来看，除了没用日语，其他表达都很接近动漫里的状态。尤其是那句“我可是最强的”，就很符合五条悟的人设。
这一套体验下来，确实有了几分“真实感”，恍惚间还真觉得自己在和动漫角色对话。
另外，我还尝试了一下 Editing。
以前录一段视频，想换件衣服、换个背景，通常得先录完，再去剪辑软件里抠图、调色、合成。在 Editing 里，摄像头开着，这些事就能直接做。简单来说，就是把一部分原本拍完才做的后期，挪到了拍摄过程中。
比如，打开摄像头后，可以用预设效果换人物、改画风或换背景，也可以自己上传参考图，换成想要的人物、画风和场景。
图片来源：Vidu官网
甚至，上传一张清晰的服装图，还能实现实时换装。
图片来源：Vidu官网
整个过程中，人物说话、转身时，脸部状态能保持住。衣服也会随着抬手、转身等动作改变褶皱和轮廓，和人物的动作能对上。
图片来源：Vidu官网
把这些功能放到日常生活里，也有不少有趣的玩法。
比如录一段生日祝福，给自己换身装扮，配上相应的背景；拍视频时拿不准哪种画风合适，也可以边拍边换，直接看效果。
再加上前面体验的Avatar，能想到的场景就更多了。加班时找个数字角色陪自己聊几句，休息时聊聊八卦，或者共享屏幕，一边看剧一边讨论剧情。对我来说，这些随时能用上的小事，也挺有吸引力。
最直观的作用，自然是直播间这样的场景。以前做特效背景，要准备素材、抠图和后期合成，画面还容易显得不在一个图层。实时换装这些技术要求则更高。Editing把这些调整放到了直播过程中，用更低的成本实现了这些可能，并且做的更好。
它让我看到的，是 AI 视频向前发展的另一个方向。把原本留到后期的视频调整提前到拍摄过程中，从源头解决创作中的实际问题，也给直播和内容创作带来了更多想象空间。
AI数字人，走入更多场景
看这场直播期间我就想，如果放到游戏或别的场景中，会改变什么。
不难想象，Vidu S2的技术对不同行业都可能是一次冲击。无论是直播、电商、虚拟偶像、AI 陪伴产品还是互动短剧，都需要角色根据现场变化调整对话和状态。
作为最强实时互动模型驱动的首个AI美女主播紫樱，让这次的直播成为了一个可以观察的样本。虚拟主播和 AI 陪伴产品，可以通过记住前面的互动、不断调整互动方式，实现用户想要的陪伴；电商带货能依托 Editing 的能力快速换装，更快展示商品，及时接住用户的提问。
那么在游戏领域呢？
从 AI 出来以后，游戏行业聊得最多的就是 NPC。我们以前见到那些有活人感的 NPC，背后其实都堆了大量文本。AI NPC 则预设了更多行动模式，能处理更多互动，只是玩下来，总觉得还差一点。
看完这场直播，至少可以往两个方向想。NPC 可以回答玩家不同的对话和提问。面对玩家不同的状态和聊天次数，NPC 也可以记住，再根据玩家的状态调整自己的回答方式。
Vidu S2 的 Avatar 本身也把游戏 NPC 列为应用场景，支持角色图、人设和用户音视频等输入，再输出实时音视频流。NPC 听懂玩家以后，反应也能落到表情和动作上。游戏角色从固定台词走向实时互动，已经有了更具体的做法。
角色养成和互动陪伴也是这样。角色有自己的性格，和不同玩家聊出来的内容也会不同。她记得你前面说过什么，记得你在剧情里做过什么选择，玩家也会得到更多独属于自己的情感体验。
再如，现在不少游戏都在尝试角色IP化，先通过视频、剧集丰富角色形象，等时机成熟，再做一场线上直播，让角色近距离与玩家互动。这些想法已经有了实现的可能，也值得尝试一番。
对观众和体验者来说，这是一段专属的互动。对行业来说，紫樱这场直播给了从业者一个具体的参考，也能据此判断，自己的哪些想法可以实现。
