Vivix là gì: Nền tảng sáng tạo AI đa phương thức song công thời gian thực

Vivix là gì

Vivix là nền tảng sáng tạo AI tập trung vào các mô hình đa phương thức (multimodal) tương tác theo thời gian thực, các sản phẩm cốt lõi gồm: Vivix-A1, mô hình song công (full-duplex) thời gian thực đầu tiên trên thế giới, có thể tạo ra các nhân vật AI tương tác với chuyển động toàn thân, có khả năng nghe, nói và hành động; Vivix-W1, mô hình đa phương thức nguyên bản (native) theo luồng, là công cụ kể chuyện tương tác có thể thay đổi hướng đi cốt truyện theo thời gian thực qua giọng nói, văn bản và cảm ứng, cùng với môi trường chạy video thời gian thực Vivix IVI. Vivix tự phát triển chưng cất MJD, lượng tử hóa NVFP4 và công cụ suy luận VMI, giúp mô hình gần 30B tham số chạy thời gian thực trên GPU phân khúc người dùng (consumer-grade), độ trễ tương tác dưới 1 giây, và Vivix-A1 đã mở API.

Các tính năng chính của Vivix

• Tạo nhân vật toàn thân: Vivix-A1 có thể tạo ra human số hóa AI toàn thân biết đi lại, xoay người, cầm nắm đồ vật và nhảy múa theo thời gian thực.
• Tương tác song công thời gian thực: Người dùng có thể ngắt lời bất cứ lúc nào bằng giọng nói; hành động, biểu cảm và phản hồi của nhân vật thay đổi tức thì mà không cần dừng để tạo lại.
• Đầu ra đồng bộ hình-ảnh: Giọng nói, biểu cảm, cử chỉ và âm thanh môi trường được mô hình hóa thống nhất một cách nguyên bản, không có dấu vết ghép nối.
• Tạo kể chuyện tương tác: Vivix-W1 chỉ cần một câu có thể sinh ra câu chuyện audio-video liên tục phát triển, người dùng có thể thay đổi hướng đi cốt truyện theo thời gian thực.
• Đầu vào đa phương thức: Hỗ trợ nhiều cách tham gia tương tác như giọng nói, văn bản, hình ảnh, nhấp chuột và cảm ứng.
• Ứng dụng thương mại trực tiếp (live commerce): Người dẫn số có thể đi lại tự do, trưng bày sản phẩm; nhân viên vận hành có thể điều chỉnh hướng livestream bằng giọng nói theo thời gian thực.
• Độ trễ cực thấp: Độ trễ khung hình đầu dưới 0.6 giây, phản hồi ngắt lời 300–900 miligiây, độ trễ đầu cuối dưới 1.7 giây.
• Chạy thời gian thực trên phần cứng phân khúc người dùng: Mô hình gần 30B tham số kích hoạt thông qua chưng cất MJD và lượng tử hóa NVFP4 có thể suy luận thời gian thực trên một card GPU phân khúc người dùng, chi phí dưới 1 USD/giờ.

Cách sử dụng Vivix

• Đăng ký và lấy API Key: Truy cập nền tảng API mở của Vivix tại platform.vivix.ai, tạo tài khoản, tạo API Key trong bảng điều khiển nhà phát triển; mọi yêu cầu dùng api.vivix.ai làm base URL và mang theo xác thực Bearer.
• Chọn mô hình: Chọn dòng A (tương tác Avatar thời gian thực hoặc video Avatar theo kịch bản) hoặc dòng W tùy nhu cầu, ví dụ vivix-a1-stream, vivix-w1-stream, v.v.
• Tạo phiên: Qua giao diện REST POST /v1/realtime-avatar/sessions, cấu hình chế độ, hình ảnh nhân vật, giọng nói, hướng dẫn tính cách, nhận dạng giọng nói (như server_vad) và các tham số khác.
• Thiết lập kết nối thời gian thực: Sau khi nhận được session_id, điều khiển phiên qua kênh điều khiển WebSocket (wss://api.vivix.ai/v1/realtime-avatar/control); đầu ra hình-ảnh được truyền qua luồng RTC (TRTC).
• Điều khiển tương tác: Ghi giọng nói hoặc văn bản của người dùng vào ngữ cảnh hội thoại; Avatar lập tức sinh phản hồi và xuất ra theo luồng dưới dạng giọng nói, video và phụ đề từng từ, hỗ trợ ngắt lời giữa chừng.
• Can thiệp thời gian thực: Qua giao diện Streaming Control, bạn có thể đổi hình ảnh/nhân vật, gửi lệnh hành động hoặc trực tiếp kịch bản hóa âm thanh trong khi đang tạo, mà không cần dừng để làm lại.
• Lối chơi thế giới W1: Cốt truyện được thúc đẩy bởi Sự kiện (Event) mở; sự kiện có thể bị hủy trước khi có hiệu lực; phiên hỗ trợ hold/pause và resume, có thể chèn sự kiện mới bất cứ lúc nào để thay đổi hướng đi câu chuyện.

Lợi thế cốt lõi của Vivix

• Tương tác song công thực sự: Vượt qua mô hình yêu cầu-phản hồi "bán song công" (half-duplex); mô hình khi liên tục sinh audio-video vẫn có thể bắt lấy đầu vào mới và thay đổi nội dung ngay lập tức.
• Khả năng hành động toàn thân của nhân vật: A1 là mô hình thời gian thực đầu tiên hỗ trợ tạo chuyển động toàn thân hoàn chỉnh; nhân vật có thể đi lại, xoay người, cầm nắm đồ vật, thay vì chỉ đồng bộ khẩu hình trước camera cố định.
• Kiến trúc đa phương thức nguyên bản: Giọng nói, văn bản và hình ảnh được mô hình hóa trong không gian tín hiệu thống nhất, bỏ qua chuỗi ASR+LLM+TTS; nhận thức trực tiếp thúc đẩy hành vi, hình-ảnh và hành động đồng bộ tự nhiên.
• Độ trễ cực thấp: Độ trễ khung hình đầu < 0.6 giây, phản hồi ngắt lời 300–900 miligiây, đầu cuối < 1.7 giây, độ trễ tương tác dưới 1 giây.
• Tham số lớn + chạy thời gian thực trên phân khúc người dùng: Gần 30B tham số kích hoạt với tỷ lệ nén chất lượng cao 8x8x4, qua chưng cất MJD và lượng tử hóa NVFP4 trong huấn luyện, trên một card GPU phân khúc người dùng đạt hơn 10.000 video token/s, chi phí suy luận dưới 1 USD/giờ.
• Kiến trúc luồng có thể ngắt nguyên bản: Thiết kế tách biệt sinh nhân quả (causal) + mã hóa/giải mã VMI; lệnh mới được thêm trực tiếp vào chuỗi giải mã, quá trình sinh hiện tại không cần dừng để làm lại.

So sánh đối thủ cùng loại của Vivix

Kịch bản ứng dụng của Vivix

• Thương mại trực tiếp: Người dẫn số xuất hiện toàn thân đi lại, mặc thử và cầm nắm sản phẩm; nhân viên vận hành điều chỉnh lời thoại và chọn hàng theo thời gian thực bằng giọng nói, không cần ngắt livestream.
• Bạn đồng hành ảo/AI xã hội: Các ứng dụng bạn gái/bạn trai AI; hành động, biểu cảm và giọng nói đồng bộ tự nhiên, người dùng có thể ngắt lời bất cứ lúc nào, nhân vật phản ứng tức thì.
• Điện ảnh tương tác/phim ngắn tương tác: Nhập một câu để sinh ra câu chuyện phát triển theo thời gian thực; khán giả tham gia quyết định cốt truyện qua giọng nói và nhấp chuột, mở ra chế độ xem "ai cũng là đạo diễn".
• NPC game và thế giới mở: Trao cho nhân vật game khả năng nhận thức và hành động tự chủ; người chơi có thể tương tác tự nhiên với NPC bằng giọng nói, thúc đẩy tường thuật thế giới mở.
• Chăm sóc khách hàng thông minh và hướng dẫn ảo: Nhân viên số toàn thân trực tuyến 7×24 giờ; có thể demo sản phẩm, giải đáp thắc mắc và phản hồi nhu cầu khách hàng theo thời gian thực; có thể nhúng vào website/App/màn hình offline.

Các câu hỏi thường gặp về Vivix

Q1: Vivix có những mô hình cốt lõi nào? A1: Vivix-A1 là mô hình song công thời gian thực đầu tiên trên thế giới, có thể tạo ra nhân vật AI tương tác với chuyển động toàn thân, có khả năng nghe, nói và hành động; Vivix-W1 là mô hình đa phương thức nguyên bản theo luồng, cung cấp công cụ kể chuyện tương tác có thể thay đổi hướng đi cốt truyện theo thời gian thực qua giọng nói, văn bản và cảm ứng, cùng môi trường chạy video thời gian thực Vivix IVI.

Q2: Độ trễ tương tác của Vivix là bao nhiêu? A2: Độ trễ khung hình đầu dưới 0.6 giây, phản hồi ngắt lời 300–900 miligiây, độ trễ đầu cuối dưới 1.7 giây, tổng thể độ trễ tương tác dưới 1 giây.

Q3: Làm thế nào để kết nối Vivix? A3: Truy cập nền tảng API mở của Vivix tại platform.vivix.ai để đăng ký và tạo API Key, tạo phiên Avatar thời gian thực qua giao diện REST, sau đó điều khiển tương tác hình-ảnh bằng kênh điều khiển WebSocket và luồng RTC.

Q4: GPU phân khúc người dùng có chạy thời gian thực được không? A4: Có. Mô hình gần 30B tham số kích hoạt thông qua chưng cất MJD và lượng tử hóa NVFP4 có thể suy luận thời gian thực trên một card GPU phân khúc người dùng, chi phí suy luận dưới 1 USD/giờ.