Vivix: platforma twórcza AI w czasie rzeczywistym, w pełni dupleksowa i wielomodalna

Czym jest Vivix

Vivix to platforma twórcza AI oparta na czasie rzeczywistym, wielomodalnych modelach interaktywnych. Główne produkty obejmują: Vivix-A1, pierwszy na świecie w pełni dupleksowy model czasu rzeczywistego, który generuje interaktywne postacie AI z pełną motoryką ciała, potrafiące słyszeć, mówić i działać; Vivix-W1, strumieniowy natywny model wielomodalny — silnik interaktywnej narracji, pozwalający w czasie rzeczywistym zmieniać przebieg fabuły za pomocą głosu, tekstu i dotyku, oraz czas rzeczywisty silnik wideo Vivix IVI. Vivix opracował własne destylację MJD, kwantyzację NVFP4 i silnik wnioskowania VMI, co pozwala na uruchamianie w czasie rzeczywistym modeli o niemal 30B parametrach na konsumenckich kartach GPU przy opóźnieniu interakcji poniżej 1 sekundy. Vivix-A1 ma już otwarte API.

Główne funkcje Vivix

• Generowanie postaci z pełną motoryką ciała: Vivix-A1 w czasie rzeczywistym generuje cyfrowych ludzi AI z pełnym ciałem, którzy potrafią chodzić, obracać się, brać przedmioty i tańczyć.
• W pełni dupleksowa interakcja w czasie rzeczywistym: Użytkownik może w każdej chwili przerwać głosem; ruchy, wyraz twarzy i odpowiedź postaci zmieniają się natychmiast, bez przerywania i ponownego generowania.
• Zsynchronizowane wyjście obrazu i dźwięku: głos, wyraz twarzy, gesty i dźwięk otoczenia są natywnie modelowane w spójny sposób, bez widocznych łączeń.
• Generowanie interaktywnej narracji: Vivix-W1 na podstawie jednego zdania generuje ewoluującą w czasie historię audio-wideo, a użytkownik może w czasie rzeczywistym zmieniać przebieg fabuły.
• Wielomodalne wejście: obsługuje głos, tekst, obrazy, kliknięcia i dotyk jako sposoby udziału w interakcji.
• Zastosowanie w live commerce: cyfrowy prezenter może swobodnie chodzić i prezentować produkty, a operator może głosem w czasie rzeczywistym korygować kierunek transmisji.
• Ultra-niskie opóźnienie: opóźnienie pierwszej klatki poniżej 0,6 s, czas reakcji na przerwanie 300–900 ms, opóźnienie end-to-end poniżej 1,7 s.
• Działa w czasie rzeczywistym na sprzęcie konsumenckim: model o niemal 30B aktywnych parametrów dzięki destylacji MJD i kwantyzacji NVFP4 działa w czasie rzeczywistym na pojedynczej konsumenckiej karcie GPU, kosztem poniżej 1 USD za godzinę.

Jak korzystać z Vivix

• Zarejestruj się i uzyskaj API Key: odwiedź platformę Vivix API na platform.vivix.ai, załóż konto, utwórz API Key w panelu deweloperskim. Wszystkie żądania używają https://api.vivix.ai/ jako base URL i przenoszą uwierzytelnianie Bearer.
• Wybierz model: w zależności od potrzeb wybierz serię A (interakcja Avatar w czasie rzeczywistym lub wideo Avatar sterowane skryptem) lub serię W, np. vivix-a1-stream, vivix-w1-stream.
• Utwórz sesję: przez interfejs REST wyślij POST na /v1/realtime-avatar/sessions, konfigurując tryb, obraz postaci, głos, instrukcje osobowości, rozpoznawanie mowy (np. server_vad) i inne parametry.
• Nawiąż połączenie w czasie rzeczywistym: po otrzymaniu session_id steruj sesją przez kanał kontrolny WebSocket (wss://api.vivix.ai/v1/realtime-avatar/control); wyjście obrazu i dźwięku przesyłane jest strumieniem przez RTC (TRTC).
• Steruj interakcją: zapisz głos lub tekst użytkownika w kontekście dialogu; Avatar w czasie rzeczywistym generuje odpowiedź, wysyłając strumieniowo głos, wideo i napisy słowo po słowie, z obsługą przerwania w trakcie.
• Interwencja w czasie rzeczywistym: przez interfejs Streaming Control można w trakcie generowania przełączać obraz/postaci, wysyłać komendy ruchu lub bezpośrednio podawać audio ze skryptu, bez przerywania od nowa.
• Tryb świata W1: fabuła napędzana otwartymi zdarzeniami (Event), które można anulować przed ich wejściem w życie; sesja obsługuje hold/pause i resume, w każdej chwili można wstawić nowe zdarzenie zmieniające przebieg historii.

Główne zalety Vivix

• Prawdziwie w pełni dupleksowa interakcja: przełamuje "półdupleksowy" model żądanie-odpowiedź; model podczas ciągłego generowania audio-wideo może w każdej chwili przyjąć nowe wejście i natychmiast zmienić treść.
• Zdolność do ruchu całego ciała postaci: A1 to pierwszy model czasu rzeczywistego wspierający generowanie pełnych ruchów ciała; postać potrafi chodzić, obracać się i brać przedmioty, zamiast tylko mówić do kamery w stałym ujęciu.
• Natywna architektura wielomodalna: głos, tekst i obrazy modelowane są w jednej przestrzeni sygnałowej, omijając kaskadę ASR+LLM+TTS, dzięki czemu percepcja bezpośrednio napędza zachowanie, a obraz, dźwięk i ruch naturalnie się synchronizują.
• Ultra-niskie opóźnienie: opóźnienie pierwszej klatki < 0,6 s, reakcja na przerwanie 300–900 ms, end-to-end < 1,7 s, opóźnienie interakcji poniżej 1 s.
• Duża liczba parametrów + czas rzeczywisty na sprzęcie konsumenckim: niemal 30B aktywnych parametrów przy współczynniku kompresji 8x8x4 wysokiej jakości, dzięki destylacji MJD i kwantyzacji NVFP4 w trakcie treningu, na pojedynczej konsumenckiej karcie GPU generuje ponad 10 000 video tokens/s, a koszt wnioskowania to poniżej 1 USD za godzinę.
• Natywna strumieniowa architektura z możliwością przerwania: projekt łączący przyczynowe generowanie i rozdzielenie kodeka VMI; nowe komendy są dodawane bezpośrednio do łańcucha dekodowania, bez przerywania bieżącego generowania.

Porównanie konkurencji Vivix

Sceny zastosowań Vivix

• Live commerce: cyfrowy prezenter w pełnym ciele chodzi, przymierza i bierze produkty; operator głosem w czasie rzeczywistym koryguje przekaz i dobór towaru, bez przerywania transmisji.
• Wirtualny partner / AI społecznościowe: aplikacje typu AI dziewczyna/chłopak; ruchy, wyraz twarzy i głos naturalnie się synchronizują, użytkownik może w każdej chwili przerwać rozmowę, a postać natychmiast reaguje.
• Interaktywne kino / interaktywne krótkie serie: wpisz jedno zdanie, by wygenerować ewoluującą w czasie rzeczywistym historię; widzowie głosem i kliknięciami biorą udział w decyzjach fabularnych, otwierając tryb oglądania "każdy jest reżyserem".
• NPC w grach i otwarty świat: nadaje postaciom z gier zdolność autonomicznej percepcji i działania; gracz głosem naturalnie wchodzi w interakcję z NPC, napędzając narrację otwartego świata.
• Inteligentny客服 i wirtualny doradca sprzedaży: cyfrowy pracownik z pełnym ciałem dostępny 7×24, potrafiący demonstrować produkt, odpowiadać na pytania i reagować na potrzeby klientów w czasie rzeczywistym; można osadzić w witrynie/App/ekranie stacjonarnym.

Najczęstsze pytania o Vivix

Q1: Jakie modele bazowe ma Vivix? A1: Vivix-A1 to pierwszy na świecie w pełni dupleksowy model czasu rzeczywistego, który generuje interaktywne postacie AI z pełną motoryką ciała, potrafiące słyszeć, mówić i działać; Vivix-W1 to strumieniowy natywny model wielomodalny, dostarczający silnik interaktywnej narracji pozwalający w czasie rzeczywistym zmieniać przebieg fabuły głosem, tekstem i dotykiem, oraz czas rzeczywisty silnik wideo Vivix IVI.

Q2: Jakie jest opóźnienie interakcji Vivix? A2: Opóźnienie pierwszej klatki poniżej 0,6 s, czas reakcji na przerwanie 300–900 ms, opóźnienie end-to-end poniżej 1,7 s, całkowite opóźnienie interakcji poniżej 1 s.

Q3: Jak połączyć się z Vivix? A3: Odwiedź platformę Vivix API platform.vivix.ai, zarejestruj się i utwórz API Key, utwórz sesję realtime Avatar przez interfejs REST, a następnie steruj interakcją obrazu i dźwięku przez kanał kontrolny WebSocket oraz strumień RTC.

Q4: Czy karta graficzna konsumencka może działać w czasie rzeczywistym? A4: Tak. Model o niemal 30B aktywnych parametrów dzięki destylacji MJD i kwantyzacji NVFP4 działa w czasie rzeczywistym na pojedynczej konsumenckiej karcie GPU, a koszt wnioskowania to poniżej 1 USD za godzinę.