Vivix

Vivix是专注实时互动多模态模型的AI创作平台，核心产品包括：Vivix-A1，全球首个实时全双工模型，可生成有全身动作、能听、能说、能做的交互式AI角色；Vivix-W1，流式原生多模态模型，可通过语音、文字、触控实时改变剧情走向的互动叙事引擎及实时视频运行时Vivix IVI。Vivix自研MJD蒸馏、NVFP4量化与VMI推理引擎，实现近30B参数模型在消费级GPU上实时运行，交互延迟低于1秒，Vivix-A1 已开放API。

Vivix的主要功能

• 全身角色生成：Vivix-A1 可实时生成会行走、转身、拿取物体、跳舞的全身AI数字人。
• 全双工实时交互：用户可随时语音打断，角色的动作、表情与回应即时改变，无需中断重生成。
• 音画同步输出：语音、表情、手势、环境声原生统一建模，无拼接痕迹。
• 互动叙事生成：Vivix-W1 输入一句话可生成持续演进的音视频故事，用户可实时改变剧情走向。
• 多模态输入：支持语音、文字、图片、点击、触控等多种方式参与互动。
• 直播电商应用：数字主播可自由走动、展示商品，运营人员可实时语音调整直播方向。
• 超低延迟：首帧延迟小于 0.6 秒，打断响应 300–900 毫秒，端到端延迟小于 1.7 秒。
• 消费级硬件实时运行：近 30B 激活参数模型通过 MJD 蒸馏与 NVFP4 量化，可在消费级 GPU 上单卡实时推理，成本低于每小时 1 美元。

如何使用Vivix

• 注册获取 API Key：访问 Vivix API 开放平台 https://platform.vivix.ai/ ，注册账号，在开发者后台创建 API Key，所有请求以 https://api.vivix.ai 为 base URL 并携带 Bearer 认证。
• 选择模型：按需求选 A 系列（实时 Avatar 交互或脚本驱动 Avatar 视频）或 W 系列，如 vivix-a1-stream、vivix-w1-stream 等。
• 创建会话：通过 REST 接口 POST /v1/realtime-avatar/sessions，配置模式、角色形象图、音色、人设指令、语音识别（如 server_vad）等参数。
• 建立实时连接：拿到返回的 session_id 后，通过 WebSocket 控制通道（wss://api.vivix.ai/v1/realtime-avatar/control）操控会话，音画输出通过 RTC（TRTC）流传输。
• 驱动交互：把用户语音或文字写入对话上下文，Avatar 实时生成回复并以语音、视频、逐字字幕流式输出，支持中途打断。
• 实时干预：通过 Streaming Control 接口可在生成中切换图片/角色、发送动作指令或直接脚本音频，无需中断重来。
• W1 世界玩法：以开放事件（Event）驱动剧情，事件可在生效前取消，会话支持 hold/pause 与 resume，随时插入新事件改变故事走向。

Vivix的核心优势

• 真全双工交互：突破”半双工”请求-响应模式，模型在持续生成音视频的同时能随时接住新输入并即时改变内容。
• 全身角色行动力：A1 是首个支持完整全身动作生成的实时模型，角色能行走、转身、拿取物体，而不只是固定机位对口型。
• 原生多模态架构：语音、文字、图片在统一信号空间中建模，绕开 ASR+LLM+TTS 级联，感知直接驱动行为，音画动作自然同步。
• 超低延迟：首帧延迟 < 0.6 秒、打断响应 300–900 毫秒、端到端 < 1.7 秒，交互延迟低于 1 秒。
• 大参数 + 消费级实时运行：近 30B 激活参数配合 8x8x4 高质量压缩率，通过 MJD 蒸馏与训练期 NVFP4 量化，在消费级 GPU 上单卡跑出超 10,000 video tokens/s，推理成本低于每小时 1 美元。
• 原生可打断的流式架构：因果生成 + VMI 编解码解耦设计，新指令直接在解码链路追加，当前生成无需中断重来。