数字人大模型助力打造灵活交互数字人！

当前，数字人逐渐成为 互联网时代各类应用的核心入口，进入千行百业。大家常见的数字人抖音直播，营业厅的数字人客服，还有各类综艺节目如湖南台《你好星期六》节目的综艺虚拟主持人小漾等等，多种场景应用层出不穷，新形象不断呈现。

在数字内容产业，内容力决定了企业的竞争力，它由生产力、创造力和知识力逐步叠加和演进而成。PGC 时代，头部电影中有 90% 的内容是通过计算机来生成的。生产力，也就是算力的强度决定了内容力；UGC 时代，超过 90% 的数字内容由个人用户产生，创作者来自于千行百业。在生产力基础上，增加了创造力，也就是行业的广度，共同决定内容力；当前，我们已经进入 AI 时代，AIGC 正在重构数字内容生产模式。到 2030 年，90% 的内容将通过 AI 产生。在生产力和创造力的基础上，进一步增加了知识力，也就是模型的深度，共同决定内容力。

人人都需要自己独一无二的个性化的数字人

1.基于“讯飞星火认知大模型”，高智商，有灵魂的大脑，拥有跨领域的知识和语言理解能力，完成问答对话和文学创作等任务，还可以上传企业专属的知识库，持续从海量文本数据和大规模语法知识中学习进化，基于知识库问答、多轮对话能力拥有跨领域的知识和语言理解能力，实现从提出问题、规划问题到解决问题的全流程闭环。包括数字人形象、动作、表情、口型、声音等；每个用户还可以结合个人数据进行训练，构建自己的数字人个性化大模型。数字人生成后，用户通过文字、语音、视频等方式生产驱动向量信息，从而驱动数字人生成高清视频。

2.用户可通过数字人源码生成数字人模型（🌏：zhibo175）：

用户只需要拍摄一段 5 分钟的视频，也能生成个性化数字人模型，包含用户自己的表情、口型、动作特征，整个模型训练过程只需要几分钟。而业界一般需要训练 12 个小时以上。基于个性化模型生成的数字人还原用户的个性化形象、表情、动作、声音。生成数字人后，可以通过对话完成对数字人的二次编辑和背景融合，比如发型、配饰、服装等，真正做到每个人的数字人都独一无二。

多模态数字人模型驱动，数字人在各行业多场景中应用

数字人生成后，预训练模型对输入的驱动方式进行分析，从多模态信息中通过深度编码器提取特征向量信息，驱动生成数字人的表情、口型、肢体动作参数，并最终生成高清视频。

驱动的方式也有多种，文字驱动可基于识别文字的语义和情感，实现数字人动作和文字的精准匹配。通过多语言泛化技术，一种语言、一次训练，即可使用多种语言驱动数字人。

3.多模态的数字人实时驱动服务，可以广泛应用到各种各样的行业场景，比如直播、在线教育、在线客服、线上会议等。

例如会议场景，通常我们默认都是关闭视频入会，一是大多数人长时间面对镜头感觉不自然、二是在办公室公共环境、酒店、家里等场合涉及隐私，不愿意打开摄像头，三是在运动的时候不方便打开摄像头。这种情况下，可以通过自己的数字人加入会议，展现形象的同时又保护了隐私，不再只显示简单的姓名信息，实现有温度的交互体验。会议过程会通过摄像头进行验证，确保是本人参会。实时驱动 1：0.8 速度很快几乎没有延迟，就跟我们真人开视频会议一样，没有明显延迟感觉。

同样的，数字人在其他行业应用也可以一样简单、快速的集成数字人实时通信与互动能力，实现有温度的交互体验。让数字人具备个性化外形和灵魂，每个人都拥有个性化的数字人。