生数科技 Vidu S2, AI 진행자 라이브 첫선: 실시간 영상 상호작용 모델 도입 전 평가
신즈위안(新智元)의 2026년 9월 26일 보도에 따르면, 짜오멍츠위안과 생수커지는 AI 진행자 '쯔잉'이 중추절에 첫 라이브 방송을 진행했으며, 규칙은 기준 미달 시 기억을 초기화하고 다시 시작하는 것이었다. 보도에 따르면 방송 시작 5분도 안 되어 약 2만 명이 몰렸고, 여러 차례 재시작 끝에 선물로 기준을 달성했다. 보도는 이 방송을 실시간 상호작용 및 편집 모델 Vidu S2의 공개 스트레스 테스트라고 표현했으나, 해당 모델의 자체 보고 벤치마크와 밀리초 수준 지연 주장은 아직 제3자 검증이 없다.
주요 변화
신즈위안의 2026년 9월 26일 보도에 따르면, 중추절 기간 짜오멍츠위안과 생수커지는 AI 진행자 '쯔잉'의 첫 '무한 영업' 라이브 방송을 시작했다. 규칙은 매우 직설적이었다. 2시간 안에 실제 시청자로부터 80000 영업값(보도가 제시한 환산으로 약 8000 위안)을 확보하지 못하면 방송이 강제 중단되고 기억이 초기화되어 처음부터 다시 시작하는 방식이었다. 보도에 따르면 방송 시작 5분도 안 되어 약 2만 명이 유입됐고, 첫 라운드는 기준을 달성하지 못했으나 여러 차례 재시작 끝에 그녀는 스스로 돈을 벌어냈다. 보도가 제시한 수치는 첫날 5시간 방송 영업액 1만 위안 초과, 최종 영업값 24184였으며, 두 번째 라운드는 거의 두 배로 늘었고 세 번째 라운드는 끝나기 전에 이미 두 번째 라운드 총량을 넘어섰다. 보도는 이 방송을 생수커지가 새로 발표한 모델 Vidu S2의 공개 스트레스 테스트로 규정했다. 보도가 설명한 모델 능력은 다음과 같다. Vidu S2-Avatar는 실시간 음성 상호작용과 복잡한 동작 제어를 지원하며, 참조 이미지와 결합해 물건 상호작용, 의상 교체, 배경 전환을 수행할 수 있다. Vidu S2-Editing은 스타일, 의상, 주체 및 배경 참조 이미지를 기반으로 입력 영상 스트림을 지속적으로 실시간 편집하는 것을 지원한다. 동시에 오프라인 경로도 유지하는데, 이미지 한 장과 오디오 한 단락으로 디지털 휴먼 영상을 생성할 수 있다. 보도는 실시간 화면이 수백 밀리초 안에 계산된다고 주장했으며, Vidu S1과 비교해 S2는 회전, 걷기, 춤 등 더 큰 범위의 전신 동작을 수행할 수 있다고 전했다. 전체 파이프라인 연구개발은 칭화대학 주쥔 교수의 박사과정 학생이자 생수커지의 스트리밍 영상 생성 및 추론 책임자인 장진타오가 맡았다는 설명 역시 해당 보도에서 나온 것이지 독립적인 소스에서 나온 것이 아니다.
개발자에게 미치는 영향
먼저 검증 가능한 것과 검증 불가능한 것을 구분해야 한다. 이 라이브 방송은 실제로 공개적으로 열렸고, 제조사도 Vidu S2의 두 가지 형태 능력 설명을 내놓았다. 그러나 방송 데이터, 밀리초 수준 지연, 그리고 보도가 제시한 벤치마크 점수는 모두 행사 주최 측과 제조사 측의 발표에 해당한다. 보도가 언급한 StreamAV-Bench의 AIF 오디오 명령 완성도 2.985, AVAlign 0.353, Sparkle-Bench 전역 명령 4.00, 전경 명령 3.98, 그리고 GSB 의미 준수 차원에서 세 상용 시스템에 대한 71.4%–100% 선호율은 모두 평가 세트, 비교 시스템 목록 또는 재현 스크립트를 첨부하지 않았다. 특히 GSB는 정확도가 아니라 선호율이며, 비교 대상과 샘플 구성을 모르는 상태에서는 자신의 과제에 매핑하기 어렵다. 다음 두 가지는 조건부 제언이며 보도 내용이 아니다. 첫째, '실시간 상호작용 경로'와 '오프라인 생성'을 같은 인터페이스의 두 가지 호출 방식이 아니라 두 가지 전달 형태로 선택해야 한다. 보도는 실시간 음성 상호작용 경로와 이미지 한 장에 오디오 한 단락을 더한 오프라인 경로를 동시에 제시했으며, 두 가지의 비용 구조와 검수 방식은 다르다. 판단 기준은 자신의 시나리오가 사후 편집을 허용할 수 있는지다. 라이브 방송, 실시간 NPC, 영상 고객 상담에서는 시청자가 언제든 끼어들고 마음을 바꾸며 즉석에서 새 요구를 던지므로 스트리밍만 가능하다. 숏폼 영상, 마케팅 소재, 사전 렌더링된 디지털 휴먼 낭독은 오프라인이 더 간편하다. 이 선택을 바꿀 수 있는 전제는 엔드투엔드 지연 예산이다. 실시간 음성 상호작용은 음성 인식, 생성, 음성 합성, 네트워크 왕복을 연결해야 하는데, 보도는 화면이 수백 밀리초 안에 계산된다고만 했을 뿐 이것이 첫 프레임인지, 단일 프레임인지, 엔드투엔드인지 설명하지 않았다. 측정 가능한 검증 행동은 자신의 네트워크와 지역에서 고정 스크립트를 실행해 엔드투엔드 첫 응답 시간의 P50과 P95, 그리고 중단된 후 이전 내용으로 복귀하는 성공률을 기록하는 것이다. P95가 대화 시나리오에 설정한 허용선을 넘으면 해당 시나리오를 먼저 오프라인 전달로 격하해야 한다. 둘째, 장시간 세션에서 동적 참조, 즉 도중에 의상이나 배경을 바꾸거나 임시로 참조 이미지를 보충하는 기능을 켤지 여부다. 보도는 동적 참조가 임의 시점에 참조 이미지를 보충하고 일관된 전후 관계를 유지할 수 있다고 주장하는데, 이에 대응하는 실제 위험은 긴 세션에서의 일관성 드리프트다. 이를 선택하기 위한 전제 조건은 캐릭터 참조 이미지 자원을 갖추고 버전 관리를 하는 것이다. 의상이나 배경을 바꿀 때마다 새로운 참조 입력이 발생하므로, 참조 이미지 자체에 오류가 있으면 화면에 그대로 반영된다. 측정 가능한 검증 행동은 동일 캐릭터, 동일 오디오, 동일 참조 이미지 세트로 여러 라운드를 반복 생성하고, 일정 시간마다 프레임을 추출해 이목구비, 의상, 조명의 변형 비율과 수동 개입이 필요한 프레임 비율을 기록하는 것이다. 편집된 짧은 데모만 보고 판단하지 말고 붕괴 프레임 비율을 출시 기준으로 삼아야 한다. 셋째는 리스크 가격 책정에 가깝다. 보도는 일관성을 훈련, 데이터, 아키텍처, 추론, 평가의 다섯 계층이 함께 제약하는 시스템 속성으로 설명하고, 장시간 스트리밍 생성의 드리프트를 억제하기 위한 SRF 훈련 기법을 제안했다. 이런 주장이 성립한다면 일관성은 세션 길이에 따라 감쇠하는 엔지니어링 문제이지 한 번 조정하면 되는 파라미터가 아니다. 장시간 연속 세션을 짧은 클립 테스트와 분리해 별도의 테스트 라인으로 기록할 것을 권한다.
연동 및 평가 제안
도입 전 첫 단계는 가격 비교가 아니라 형태 확인이다. 보도는 체험 진입점, API 플랫폼 문서, 기술 보고서 진입점을 제시했지만 공개 범위, 기업 자격 필요 여부, 프라이빗 배포 지원 여부, 동시성 및 할당량 상한, 데이터 보존 및 리전 정책은 설명하지 않았다. 이는 스트리밍 영상 인터페이스를 호출하는 것인지, 자체 추론 클러스터를 구축해야 하는 것인지를 결정하며, 두 경우 팀에 요구되는 역량은 전혀 다르다. 둘째, 공식 예시가 아니라 자신의 콘텐츠로 일관성을 테스트해야 한다. 자신의 캐릭터 이미지, 자신의 장소와 메이크업으로 보도가 언급한 동작을 포괄하는 긴 세션을 한 번 실행하고, 최소한 의상 교체, 배경 전환, 시청자 방해 후 이전 내용으로 복귀라는 세 가지를 포함시킨 뒤, 사람이 눈으로 확인할 수 있는 이질감 지점을 하나씩 기록한다. 셋째, 벤치마크 기준을 교정해야 한다. 자체 보고된 StreamAV-Bench, Sparkle-Bench, GSB 점수는 공개 평가 세트와 스크립트가 없다면 제조사 내부 비교로만 간주해야 하며, 해당 벤치마크의 언어와 과제 형태가 중국어 실시간 음성 및 라이브 방송 시나리오에 부합하는지 먼저 확인한 뒤 선택 근거로 사용할지 결정해야 한다. 넷째, 오프라인 경로를 보루로 삼아야 한다. 실시간 경로는 피크 시간이나 이상 상황에서 사용 불가능할 수 있으므로, 이미지 한 장과 오디오 한 단락의 오프라인 생성으로 소재 산출이 끊기지 않도록 보장할 수 있으며, 이 백업 경로의 비용도 평가에 포함해야 한다. 마지막으로 비용 기준은 자신의 사용량에 맞춰야 한다. 실시간 상호작용은 보통 초 또는 시간 단위로 과금하고, 오프라인 생성은 건수 또는 소재 단위로 과금한다. 보도는 과금 방식을 제시하지 않았으므로 제조사 가격 페이지와 자신의 실측 사용량으로 단위 비용을 역산해야 한다.
제한과 확인할 사항
보도는 Vidu S2의 가중치 공개 여부, 적용 라이선스, 파라미터 수 및 훈련 데이터 규모를 밝히지 않았으므로 공개 정보만으로 로컬 배포 가능 여부를 판단할 수 없다. 오픈 가중치와 오픈소스 라이선스는 별개이며, 여기서는 가중치 공개 여부조차 설명되지 않았으므로 'API가 있다'를 자체 호스팅 가능으로 이해해서는 안 된다. SRF 훈련 기법과 프레임 정렬 희소 어텐션은 보도에서 한 줄 요약만 있을 뿐이어서 그 엔지니어링 의미와 적용 경계를 평가할 수 없다. 라이브 방송 관련 수치, 즉 2만 명 유입, 영업값 24184, 첫날 5시간 영업액 1만 위안 초과는 모두 행사 주최 측과 보도 측 발표이다. 영업값은 사이트 내 카운트이며, 보도는 환산 예시를 한 번만 제시했으므로 독립적으로 확인할 수 없다. 보도에 첨부된 arXiv 기술 보고서와 제조사 자체 보고 평가 점수는 제3자 검증을 거치지 않았으므로 확정된 기술 사실로 인용해서는 안 된다. 본문의 전달 형태 선택, 동적 참조 활성화 조건, 검증 지표에 관한 단락은 조건부 분석과 제언이며 보도 내용이 아니고 모델의 실제 성능에 대한 판단도 아니다. Vidu S2는 현재 KimiSeek의 모델 카탈로그에 없으며, 보도에서 언급한 API 이용 가능성은 생수커지 자체의 Vidu 플랫폼을 가리키는 것으로 본 사이트와 무관하다. 이전에 같은 계열의 다른 버전이 존재했다는 사실도 이 설명을 대체할 수 없다. 이 모델이 향후 등록된다면 이용 가능성과 가격은 사이트 내 가격 페이지를 기준으로 해야 하며, 가격은 시간과 시간대에 따라 조정된다.