Vivix 是專注即時互動多模態模型的 AI 創作平台，提供 Vivix-A1（即時全雙工、可生成全身動作 AI 角色）與 Vivix-W1（互動敘事引擎）。透過 MJD 蒸餾與 NVFP4 量化，近 30B 參數模型可在消費級 GPU 上即時推理，端到端延遲低於 1.7 秒，已開放 API。
Vivix是什麼
Vivix 是專注即時互動多模態模型的 AI 創作平台，核心產品包括：Vivix-A1，全球首個即時全雙工模型，可生成有全身動作、能聽、能說、能做的互動式 AI 角色；Vivix-W1，串流原生多模態模型，可透過語音、文字、觸控即時改變劇情走向的互動敘事引擎及即時影片執行環境 Vivix IVI。Vivix 自研 MJD 蒸餾、NVFP4 量化與 VMI 推理引擎，實現近 30B 參數模型在消費級 GPU 上即時運行，互動延遲低於 1 秒，Vivix-A1 已開放 API。
Vivix的主要功能
- 全身角色生成：Vivix-A1 可即時生成會行走、轉身、拿取物體、跳舞的全身 AI 數位人。
- 全雙工即時互動：使用者可隨時語音打斷，角色的動作、表情與回應即時改變，無需中斷重新生成。
- 音畫同步輸出：語音、表情、手勢、環境聲原生統一建模，無拼接痕跡。
- 互動敘事生成：Vivix-W1 輸入一句話可生成持續演進的音影片故事，使用者可即時改變劇情走向。
- 多模態輸入：支援語音、文字、圖片、點擊、觸控等多種方式參與互動。
- 直播電商應用：數位主播可自由走動、展示商品，營運人員可即時語音調整直播方向。
- 超低延遲：首幀延遲小於 0.6 秒，打斷回應 300–900 毫秒，端到端延遲小於 1.7 秒。
- 消費級硬體即時運行：近 30B 啟動參數模型透過 MJD 蒸餾與 NVFP4 量化，可在消費級 GPU 上單卡即時推理，成本低於每小時 1 美元。
如何使用Vivix
- 註冊取得 API Key：造訪 Vivix API 開放平台 platform.vivix.ai，註冊帳號，在開發者後台建立 API Key，所有請求以 api.vivix.ai 為 base URL 並攜帶 Bearer 認證。
- 選擇模型：依需求選 A 系列（即時 Avatar 互動或腳本驅動 Avatar 影片）或 W 系列，如 vivix-a1-stream、vivix-w1-stream 等。
- 建立會話：透過 REST 介面 POST /v1/realtime-avatar/sessions，設定模式、角色形象圖、音色、人設指令、語音辨識（如 server_vad）等參數。
- 建立即時連線：拿到回傳的 session_id 後，透過 WebSocket 控制通道（wss://api.vivix.ai/v1/realtime-avatar/control）操控會話，音畫輸出透過 RTC（TRTC）流傳輸。
- 驅動互動：把使用者語音或文字寫入對話上下文，Avatar 即時生成回覆並以語音、影片、逐字字幕串流輸出，支援中途打斷。
- 即時干預：透過 Streaming Control 介面可在生成中切換圖片/角色、傳送動作指令或直接腳本音訊，無需中斷重來。
- W1 世界玩法：以開放事件（Event）驅動劇情，事件可在生效前取消，會話支援 hold/pause 與 resume，隨時插入新事件改變故事走向。
Vivix的核心優勢
- 真全雙工互動：突破「半雙工」請求-回應模式，模型在持續生成音影片的同時能隨時接住新輸入並即時改變內容。
- 全身角色行動力：A1 是首個支援完整全身動作生成的即時模型，角色能行走、轉身、拿取物體，而不只是固定機位對口型。
- 原生多模態架構：語音、文字、圖片在統一訊號空間中建模，繞開 ASR+LLM+TTS 串聯，感知直接驅動行為，音畫動作自然同步。
- 超低延遲：首幀延遲 < 0.6 秒、打斷回應 300–900 毫秒、端到端 < 1.7 秒，互動延遲低於 1 秒。
- 大參數 + 消費級即時運行：近 30B 啟動參數配合 8x8x4 高品質壓縮率，透過 MJD 蒸餾與訓練期 NVFP4 量化，在消費級 GPU 上單卡跑出超 10,000 video tokens/s，推理成本低於每小時 1 美元。
- 原生可打斷的串流架構：因果生成 + VMI 編解碼解耦設計，新指令直接在解碼鏈路追加，當前生成無需中斷重來。
Vivix的同類競品對比
| 對比維度 | Vivix | HeyGen LiveAvatar |
|---|---|---|
| 技術路線 | 原生多模態生成模型（近30B啟動參數），感知直接驅動生成，非 ASR+LLM+TTS 串聯 | 拼接式管線：可接入自帶 LLM/TTS（Lite 模式）或用其全家桶（Full 模式），底層是預渲染 Avatar 驅動 |
| 角色表現力 | 全身動作生成：行走、轉身、拿取物體、跳舞，開放世界自主行動 | 上半身主持人風格為主，Avatar IV 有全身動作捕捉和微表情，但侷限在固定演播場景 |
| 敘事能力 | W1 支援即時互動影視：一句話生成故事，使用者隨時改變劇情走向 | 無此能力，僅單角色對話 |
| 首幀延遲 | TTFF < 0.6 秒（官方口徑） | 中位首幀 < 300 毫秒 |
| 打斷能力 | 原生打斷 300–900ms，動作和回應即時改變 | 支援打斷處理，但表現為「切換傾聽動畫+取消當前語音」 |
| 即時成本 | 低於 $1/小時（官方測試口徑） | 約 $0.20/分鐘（約 $12/小時，Full 檔），量大可降至 $0.01/分鐘 |
| 語言支援 | 未披露具體語種數 | 175+ 語言口型同步，數位分身克隆成熟 |
| 接入方式 | API + WebSocket 控制 + RTC 流（A1 已上線，內測制） | 純 API，需自行搭建對話堆疊，Credits 按月過期 |
Vivix的應用場景
- 直播電商：數位主播全身出鏡走動、試穿拿取商品，營運人員即時語音調整話術和選品，無需中斷直播。
- 虛擬伴侶/AI 社交：AI 女友/男友類應用，動作、表情、聲音自然同步，使用者可隨時打斷對話，角色即時應變。
- 互動影視/互動短劇：輸入一句話生成即時演進的故事，觀眾透過語音、點擊參與劇情決策，開啟「每個人都是導演」的觀劇模式。
- 遊戲 NPC 與開放世界：賦予遊戲角色自主感知和行動能力，玩家語音即可與 NPC 自然互動，推動開放世界敘事。
- 智慧客服與虛擬導購：7×24 小時在線的全身數位員工，能演示產品、答疑並即時回應客戶需求，可嵌入網站/App/線下大螢幕。
Vivix的常見問題
Q1：Vivix 有哪些核心模型？ A1：Vivix-A1 是全球首個即時全雙工模型，可生成有全身動作、能聽能說能做的互動式 AI 角色；Vivix-W1 是串流原生多模態模型，提供可透過語音、文字、觸控即時改變劇情走向的互動敘事引擎及即時影片執行環境 Vivix IVI。
Q2：Vivix 的互動延遲是多少？ A2：首幀延遲小於 0.6 秒，打斷回應 300–900 毫秒，端到端延遲小於 1.7 秒，整體互動延遲低於 1 秒。
Q3：如何接入 Vivix？ A3：造訪 Vivix API 開放平台 platform.vivix.ai 註冊並建立 API Key，透過 REST 介面建立即時 Avatar 會話，再以 WebSocket 控制通道與 RTC 流驅動音畫互動。
Q4：消費級顯卡能即時運行嗎？ A4：可以。近 30B 啟動參數模型透過 MJD 蒸餾與 NVFP4 量化，可在消費級 GPU 上單卡即時推理，推理成本低於每小時 1 美元。
常見問題
Vivix 有哪些核心模型？
Vivix-A1 是全球首個即時全雙工模型，可生成有全身動作、能聽能說能做的互動式 AI 角色；Vivix-W1 是串流原生多模態模型，提供可透過語音、文字、觸控即時改變劇情走向的互動敘事引擎及即時影片執行環境 Vivix IVI。
Vivix 的互動延遲是多少？
首幀延遲小於 0.6 秒，打斷回應 300–900 毫秒，端到端延遲小於 1.7 秒，整體互動延遲低於 1 秒。
如何接入 Vivix？
造訪 Vivix API 開放平台 platform.vivix.ai 註冊並建立 API Key，透過 REST 介面建立即時 Avatar 會話，再以 WebSocket 控制通道與 RTC 流驅動音畫互動。
消費級顯卡能即時運行嗎？
可以。近 30B 啟動參數模型透過 MJD 蒸餾與 NVFP4 量化，可在消費級 GPU 上單卡即時推理，推理成本低於每小時 1 美元。
