Vivix adalah platform kreasi AI yang fokus pada model multimodal interaktif real-time, menyediakan Vivix-A1 (full-duplex real-time, dapat menciptakan karakter AI gerakan seluruh tubuh) dan Vivix-W1 (mesin bercerita interaktif). Melalui distilasi MJD dan kuantisasi NVFP4, model hampir 30B parameter dapat melakukan inferensi real-time di GPU kelas konsumen, latensi end-to-end di bawah 1.7 detik, API telah dibuka.
Apa itu Vivix
Vivix adalah platform kreasi AI yang fokus pada model multimodal interaktif secara real-time, produk intinya meliputi: Vivix-A1, model full-duplex real-time pertama di dunia, yang dapat menghasilkan karakter AI interaktif dengan gerakan seluruh tubuh, mampu mendengar, berbicara, dan melakukan; Vivix-W1, model multimodal asli (native) berbasis streaming, yaitu mesin bercerita interaktif yang dapat mengubah alur cerita secara real-time melalui suara, teks, dan sentuhan, serta runtime video real-time Vivix IVI. Vivix mengembangkan sendiri distilasi MJD, kuantisasi NVFP4, dan mesin inferensi VMI, sehingga model berparameter hampir 30B dapat berjalan secara real-time di GPU kelas konsumen, latensi interaksi di bawah 1 detik, dan Vivix-A1 telah membuka API.
Fitur Utama Vivix
- Pembuatan karakter seluruh tubuh: Vivix-A1 dapat menghasilkan manusia digital AI ber-tubuh penuh yang berjalan, berputar, mengambil benda, dan menari secara real-time.
- Interaksi full-duplex real-time: Pengguna dapat memotong (interrupt) kapan saja dengan suara; gerakan, ekspresi, dan respons karakter berubah seketika tanpa perlu menghentikan dan membuat ulang.
- Keluaran audio-visual sinkron: Suara, ekspresi, gesture, dan suara lingkungan dimodelkan secara seragam secara asli, tanpa sambungan.
- Pembuatan bercerita interaktif: Vivix-W1 dengan satu kalimat dapat menghasilkan cerita audio-video yang terus berkembang, pengguna dapat mengubah alur cerita secara real-time.
- Input multimodal: Mendukung berbagai cara berpartisipasi seperti suara, teks, gambar, klik, dan sentuhan.
- Aplikasi live commerce: Streamer digital dapat berjalan bebas, menampilkan produk; operator dapat menyesuaikan arah siaran secara real-time dengan suara.
- Latensi sangat rendah: Latensi frame pertama di bawah 0.6 detik, respons interupsi 300–900 milidetik, latensi end-to-end di bawah 1.7 detik.
- Berjalan real-time di perangkat keras kelas konsumen: Model dengan hampir 30B parameter aktif melalui distilasi MJD dan kuantisasi NVFP4 dapat melakukan inferensi real-time pada satu kartu GPU kelas konsumen, biaya di bawah $1 per jam.
Cara Menggunakan Vivix
- Daftar dan dapatkan API Key: Kunjungi platform terbuka API Vivix di platform.vivix.ai, buat akun, buat API Key di konsol pengembang; semua permintaan menggunakan api.vivix.ai sebagai base URL dengan autentikasi Bearer.
- Pilih model: Pilih seri A (interaksi Avatar real-time atau video Avatar berbasis skrip) atau seri W sesuai kebutuhan, misalnya vivix-a1-stream, vivix-w1-stream, dll.
- Buat sesi: Melalui antarmuka REST POST /v1/realtime-avatar/sessions, konfigurasikan mode, gambar karakter, nada suara, instruksi persona, pengenalan ucapan (mis. server_vad), dan parameter lainnya.
- Buat koneksi real-time: Setelah mendapatkan session_id, kendalikan sesi melalui saluran kontrol WebSocket (wss://api.vivix.ai/v1/realtime-avatar/control); keluaran audio-visual ditransmisikan melalui aliran RTC (TRTC).
- Kendalikan interaksi: Tulis suara atau teks pengguna ke dalam konteks dialog; Avatar langsung menghasilkan balasan dan menyajikan keluaran streaming berupa suara, video, dan subtitle kata demi kata, mendukung interupsi di tengah jalan.
- Intervensi real-time: Melalui antarmuka Streaming Control, Anda dapat mengganti gambar/karakter, mengirim perintah gerakan, atau langsung menskrip audio saat pembuatan berlangsung, tanpa perlu mengulang dari awal.
- Cara main dunia W1: Alur cerita digerakkan oleh Event terbuka; event dapat dibatalkan sebelum berlaku; sesi mendukung hold/pause dan resume, kapan saja Anda dapat menyisipkan event baru untuk mengubah arah cerita.
Keunggulan Inti Vivix
- Interaksi full-duplex sesungguhnya: Menembus mode permintaan-respons "half-duplex"; model saat terus menghasilkan audio-video tetap bisa menangkap input baru dan mengubah konten seketika.
- Daya gerak karakter seluruh tubuh: A1 adalah model real-time pertama yang mendukung pembangkitan gerakan seluruh tubuh; karakter dapat berjalan, berputar, mengambil benda, bukan sekadar lip-sync di kamera tetap.
- Arsitektur multimodal asli: Suara, teks, dan gambar dimodelkan dalam ruang sinyal terpadu, menghindari rantai ASR+LLM+TTS; persepsi langsung menggerakkan perilaku, audio-visual dan gerakan tersinkronisasi alami.
- Latensi sangat rendah: Latensi frame pertama < 0.6 detik, respons interupsi 300–900 milidetik, end-to-end < 1.7 detik, latensi interaksi di bawah 1 detik.
- Parameter besar + berjalan real-time di kelas konsumen: Hampir 30B parameter aktif dengan rasio kompresi berkualitas tinggi 8x8x4, melalui distilasi MJD dan kuantisasi NVFP4 saat pelatihan, pada satu kartu GPU kelas konsumen mencapai lebih dari 10.000 video token/s, biaya inferensi di bawah $1 per jam.
- Arsitektur streaming yang dapat dipotong secara asli: Desain dekoupel generasi kausal + kodek VMI; perintah baru langsung ditambahkan ke jalur dekode, generasi saat ini tidak perlu dihentikan dan diulang.
Perbandingan Pesaing Sejenis Vivix
| Dimensi perbandingan | Vivix | HeyGen LiveAvatar |
|---|---|---|
| Pendekatan teknis | Model generasi multimodal asli (hampir 30B parameter aktif); persepsi langsung menggerakkan generasi, bukan rantai ASR+LLM+TTS | Pipeline sambung-sambung: dapat menyambungkan LLM/TTS sendiri (mode Lite) atau menggunakan seluruh tumpukan (mode Full); dasarnya adalah penggerak Avatar yang dirender sebelumnya |
| Ekspresi karakter | Pembangkitan gerakan seluruh tubuh: berjalan, berputar, mengambil benda, menari; tindakan otonom di dunia terbuka | Lebih banyak gaya presenter bagian atas tubuh; Avatar IV memiliki motion capture seluruh tubuh dan mikro-ekspresi, namun terbatas pada skenario studio tetap |
| Kemampuan bercerita | W1 mendukung film/video interaktif real-time: menghasilkan cerita dari satu kalimat, pengguna dapat mengubah alur kapan saja | Tidak ada kemampuan ini, hanya dialog karakter tunggal |
| Latensi frame pertama | TTFF < 0.6 detik (versi resmi) | Median frame pertama < 300 milidetik |
| Kemampuan interupsi | Interupsi asli 300–900ms, gerakan dan respons berubah seketika | Mendukung penanganan interupsi, namun berupa "beralih ke animasi mendengarkan + membatalkan suara saat ini" |
| Biaya real-time | Di bawah $1/jam (versi pengujian resmi) | Sekitar $0.20/menit (sekitar $12/jam, tier Full); untuk volume besar dapat turun ke $0.01/menit |
| Dukungan bahasa | Jumlah bahasa spesifik belum diumumkan | Sinkronisasi bibir 175+ bahasa, klon digital matang |
| Cara integrasi | API + kontrol WebSocket + aliran RTC (A1 sudah rilis, akses beta tertutup) | API murni, perlu membangun tumpukan dialog sendiri, Credits kedaluwarsa bulanan |
Skenario Aplikasi Vivix
- Live commerce: Streamer digital tampil dengan tubuh penuh berjalan, mencoba dan mengambil produk; operator menyesuaikan naskah dan pemilihan produk secara real-time dengan suara, tanpa menghentikan siaran.
- Pendamping virtual/AI sosial: Aplikasi pacar AI laki-laki/perempuan; gerakan, ekspresi, dan suara tersinkronisasi alami, pengguna dapat memotong pembicaraan kapan saja, karakter merespons seketika.
- Film interaktif/short drama interaktif: Masukkan satu kalimat untuk menghasilkan cerita yang berkembang real-time; penonton berpartisipasi dalam keputusan alur melalui suara dan klik, membuka mode menonton "setiap orang adalah sutradara".
- NPC game dan dunia terbuka: Berikan karakter game kemampuan persepsi dan tindakan otonom; pemain dapat berinteraksi secara alami dengan NPC melalui suara, mendorong narasi dunia terbuka.
- Layanan pelanggan cerdas dan pemandu virtual: Karyawan digital ber-tubuh penuh yang daring 7×24 jam; dapat mendemokan produk, menjawab pertanyaan, dan merespons kebutuhan pelanggan secara real-time; dapat disematkan ke situs web/App/layar offline.
Pertanyaan Umum tentang Vivix
Q1: Model inti apa saja yang dimiliki Vivix? A1: Vivix-A1 adalah model full-duplex real-time pertama di dunia yang dapat menghasilkan karakter AI interaktif dengan gerakan seluruh tubuh, mampu mendengar, berbicara, dan melakukan; Vivix-W1 adalah model multimodal asli berbasis streaming yang menyediakan mesin bercerita interaktif yang dapat mengubah alur cerita secara real-time melalui suara, teks, dan sentuhan, serta runtime video real-time Vivix IVI.
Q2: Berapa latensi interaksi Vivix? A2: Latensi frame pertama di bawah 0.6 detik, respons interupsi 300–900 milidetik, latensi end-to-end di bawah 1.7 detik, latensi interaksi keseluruhan di bawah 1 detik.
Q3: Bagaimana cara terhubung ke Vivix? A3: Kunjungi platform terbuka API Vivix di platform.vivix.ai untuk mendaftar dan membuat API Key, buat sesi Avatar real-time melalui antarmuka REST, lalu kendalikan interaksi audio-visual dengan saluran kontrol WebSocket dan aliran RTC.
Q4: Bisakah berjalan real-time di GPU kelas konsumen? A4: Ya. Model dengan hampir 30B parameter aktif melalui distilasi MJD dan kuantisasi NVFP4 dapat melakukan inferensi real-time pada satu kartu GPU kelas konsumen, biaya inferensi di bawah $1 per jam.
Pertanyaan yang sering diajukan
Model inti apa saja yang dimiliki Vivix?
Vivix-A1 adalah model full-duplex real-time pertama di dunia yang dapat menghasilkan karakter AI interaktif dengan gerakan seluruh tubuh, mampu mendengar, berbicara, dan melakukan; Vivix-W1 adalah model multimodal asli berbasis streaming yang menyediakan mesin bercerita interaktif yang dapat mengubah alur cerita secara real-time melalui suara, teks, dan sentuhan, serta runtime video real-time Vivix IVI.
Berapa latensi interaksi Vivix?
Latensi frame pertama di bawah 0.6 detik, respons interupsi 300–900 milidetik, latensi end-to-end di bawah 1.7 detik, latensi interaksi keseluruhan di bawah 1 detik.
Bagaimana cara terhubung ke Vivix?
Kunjungi platform terbuka API Vivix di platform.vivix.ai untuk mendaftar dan membuat API Key, buat sesi Avatar real-time melalui antarmuka REST, lalu kendalikan interaksi audio-visual dengan saluran kontrol WebSocket dan aliran RTC.
Bisakah berjalan real-time di GPU kelas konsumen?
Ya. Model dengan hampir 30B parameter aktif melalui distilasi MJD dan kuantisasi NVFP4 dapat melakukan inferensi real-time pada satu kartu GPU kelas konsumen, biaya inferensi di bawah $1 per jam.
