Vidu S1 API — 見て、聞いて、応える リアルタイム AI デジタルヒューマン を構築しよう

キャラクターのペルソナ、アバター画像、ボイスを添えて POST を 1 回呼ぶだけで、セッション ID と RTC 認証情報が返ります。

POST https://api.vidu.com/live/v1/lives
Authorization: Token vda_xxx

{ "call_mode": "video",
  "avatar": {
    "persona": "A friendly agent...",
    "image_uri": "https://your-avatar.png",
    "name": "Mia", "voice": "Tina" } }

返却された token で AliRTC チャネルに参加し、ユーザーのマイク（ビデオモードではカメラも）をパブリッシュして、キャラクターのストリームをサブスクライブします。

await aliRtc.joinChannel(rtc.token, rtc.user_id);
await aliRtc.publishLocalAudioStream(true);
await aliRtc.publishLocalVideoStream(true);
// subscribe: live-bot-{creatorID}-{liveID}

永続的な制御チャネルに接続します。認証はクエリ文字列で渡します——ブラウザは WebSocket にカスタムヘッダーを設定できないためです。

wss://api.vidu.com/live/ws/live/connect
  ?live_id={live_id}&authorization=Token%20vda_xxx

{ "type": 1, "seq_id": 1,
  "payload": { "conn_init": { "version": 1 } } }

成功 ack を受信すればキャラクターはライブ状態です。ビデオモードでの NOT_READY は正常な挙動——指数バックオフ（2s → 4s → 8s）で再接続してください。

{ "type": 2, "payload": {
    "conn_init_ack": { "success": true } } }

// NOT_READY? retry with backoff: 2s -> 4s -> 8s

サーバーは 5 秒ごとに ping を送信します。15 秒以内に応答してください。強制切断メッセージ（type 6）を監視し、切断理由ごとに処理します。

// server pings every 5s — respond within 15s
{ "type": 6, "payload": { "hangup":
    { "hangup_reason": "credit_insufficient" } } }

切断メッセージを送信し、WebSocket を閉じ、RTC チャネルから退出——その後はいつでも最終ステータスと課金秒数を照会できます。

{ "type": 5, "seq_id": 2,
  "payload": { "hangup":
    { "hangup_reason": "user_end" } } }

GET /live/v1/lives/{live_id} → "billed_seconds": "87"