Vidu S1 是一项流式、实时、双向交互的数字人视频服务。用户通过接口创建直播会话，媒体流经阿里云 RTC 频道传输（不走 HTTP），持久 WebSocket 承载控制信令（开始/挂断）。本技能整理了端到端流程，以及经过实践检验的集成陷阱，其中若干条与公开文档冲突，冲突时以本技能为准（其反映厂商澄清）。
前置准备（属于前提条件，不是代码）：
- API Key：从 https://platform.vidu.cn/api-keys 获取。用户可能存为 vda_xxx 或 Token vda_xxx，但每个 Vidu HTTP/WS 请求都必须发送 Authorization: Token vda_xxx。类似 vda_your_api_key_here 的占位值不算已配置密钥。
- 数字人头像图：单人图像，公网 URL 或 base64 data URI。
- 人设文本：自由描述数字人是谁。
- 阿里云 RTC SDK：需单独下载集成；媒体不通过 HTTP 传输。SDK 地址：https://help.aliyun.com/zh/live/introduction-to-real-time-audio-and-video-artc-sdk
- 主机域名：api.vidu.cn（中国）或 api.vidu.com（海外）。文档中的 {host} 是占位符，须替换为真实域名。
六步流程：
- POST /live/v1/lives → 创建会话，获得 live_id 与 RTC 凭证。
- 阿里云 RTC joinChannel → 发布麦克风（视频模式另加摄像头），订阅数字人媒体流。
- WebSocket 连接 + conn_init → 声明“已就绪”。
- 等待 conn_init_ack → success:true 表示数字人已开播（从此开始计费）。
- 交互 → 保持心跳，处理强制挂断。
- 挂断 + leaveChannel → 发送 hangup、关闭 WS、离开 RTC，可选查询账单。
各步骤要点： 步骤一：POST https://{host}/live/v1/lives，携带 avatar 块。返回 live 对象（保存 live.id）与 rtc 对象。会话初始状态为 waiting。 步骤二：使用 rtc.token 和 rtc.user_id 调用 joinChannel。部分阿里云 RTC Web SDK 版本接受单一 token 形式，另一些要求形如 { appId, channelId, userId, token, timestamp } 的 auth-info 对象。加入失败时先检查 SDK 版本的 joinChannel 签名，再改 Vidu 凭证。必须发布麦克风，视频模式发布摄像头，并订阅数字人媒体流，通常为 live-bot-{creatorID}-{liveID}，也需将 live-video-push-{creatorID}-{liveID} 视为有效媒体源。角色与 RTC 用户 ID 格式：用户 live-user-{creatorID}-{liveID}；数字人 live-bot-{creatorID}-{liveID}；视频推流 live-video-push-{creatorID}-{liveID}。 步骤三至四：连接 wss://{host}/live/ws/live/connect?live_id={live_id}，携带 Authorization: Token vda_xxx 头；立即发送 conn_init，等待 conn_init_ack。success:true 表示开播，开始计费；success:false 且 error_code 为 NOT_READY 是视频模式预期现象，应关闭 WS、等待后以指数退避（2s→4s→8s）重连重试，并忽略主动关闭的 socket 事件；error_code 为 LIVE_CONN_INIT_FAILED 属致命错误，需回到步骤一新建会话。 步骤五：服务端每 5 秒 ping，客户端须在 15 秒内发送任意消息，否则被判死连接。多数 WS 库会自动回 pong，需确认在上游 Vidu 连接上已启用。浏览器→后端代理→Vidu 架构下，后端 WS 客户端必须回应 Vidu 的 ping。监听 type:6 的挂断消息，并在 WS 异常关闭事件上增加兜底监听。 步骤六：通过 WS 发送 hangup、关闭 WS、调用 RTC SDK 的 leaveChannel()。可选 GET /live/v1/lives/{live_id} 读取账单（billed_seconds、credits_cost）。
实践陷阱（优先于文档）：不要假设固定 live_duration，以创建接口返回的正整数为准（实际曾返回 7200）。使用 rtc.token_expire_at，不要假设固定 token 生命周期；token 仅对该直播会话有效，不可跨会话缓存复用，过期需新建会话。WebSocket 鉴权仅用 Authorization 头，不支持查询参数；浏览器原生 WebSocket 无法设置自定义头，且头内含原始 token，故须经自有服务端代理；HTTP 调用同样不得把 vda_xxx 发到不可信客户端。视频模式首次连接必定返回 NOT_READY，属 SIP 预热，须实现断开→退避→重连循环。阿里云 RTC 是独立 SDK 集成而非 HTTP 调用，需预留集成工时。不要将 SDK 自动订阅与重复手动订阅混用；手动选择数字人媒体用户时应关闭默认远端自动订阅，并对进行中/已完成的订阅与视图绑定去重。需防范过期 RTC 与 WS 事件，仅处理属于当前活动会话/套接字的事件。计费从 on_live（conn_init_ack 返回 success:true）开始，而非会话创建时；时长向上取整到偶数秒（11 秒按 12 秒计）。账户需至少约 45 credits（够 30 秒）才能开始会话；会话中持续扣费，余额归零自动断开。当前音频模式与音视频模式定价相同，模式选择是产品决策而非成本手段。GET 会话响应顶层结构稳定为 { "live": { ... } }，从该包装解析 live.id、live.status、live.billed_seconds。GET /live/v1/voices 按设计仅返回自定义克隆音色，系统音色列表另见 references/voices.md；空响应不代表错误。音色默认 Tina，可通过 avatar.voice 选择其他；克隆音色接口 POST /live/v1/voices/clone，每用户前 10 个免费，之后每个 899 credits。