对于交互型数字人您了解多少！

作为 AI 的应用场景之一，数字人在市场上的普及度比大模型高很多。可以作为智能客服，解答业务问题或者办理业务，推荐产品。

交互型数字人是指能与人类进行实时交互对话的数字人，可以作为智能客服，解答业务问题或者办理业务，推荐产品。中国电信 app 首页的 AI 筱翼，是一种常见的数字人智能客服，电信掌上营业厅功能很多，部分功能不容易找到，通过数字人语音交互可以直达业务页面。talkie 对话界面也有一个形象，但是形象在对话中一直是静态的，不属于交互型数字人。

一、交互型数字人基本原理

可交互的数字人，主要原理是先通过真人拍摄视频使用青否数字人克隆端生成数字人，对话时通过 asr 识别用户输入的问题，然后问题被发送给数字人大脑（传统 bot 知识库或大模型）获取答案，再通过 tts 将答案转换成音频，通过音频驱动数字人的唇部和面部，形成数字人说话视频，实现真人与数字人的对话。

数字人的驱动能力包括唇部，面部表情和肢体动作。通过音频驱动数字人唇部和面部变化，唇形准确率现在都比较高，数字人说话时口型和音频能对上，口型不细看基本没有破绽。数字人的肢体动作来源于提前制作好的动作库。制作数字人形象时，可以定制常用的动作，比如点赞、比心、手势引导等动作，将动作和数字人说话内容做好关联，数字人说话时就会触发这些动作，肢体动作和面部表情使数字人说话时更接近人类，更自然。2D 真人数字人可以实现实时对话，但两者在数字人制作渲染、推理方面，是完全不同的技术路径。

二、客户群体

整个交互型数字人行业的服务对象，目前还是 to B 大客户，主要为银行/证券/保险/运营商/政务行业等客户提供解决方案，最终的落地形式有嵌入手机 app，或线下大屏。目前数字人客服的渗透率还不高，即便金融行业大公司也还处于数字人应用的探索和试点阶段。

在生活中我们能体验到的，有中国电信 app 上的 AI 筱翼，部分城市比如深圳的一些地铁站有数字人大屏，承担真人客服的功能，银行线下网点的大屏数字人大堂经理。项目价格一般可达百万级，市场上有数字人制作/驱动/NLP 和语音全链路能力的厂商不多，落地一般由多家厂商参与完成。

三、交互式数字人的功能有哪些？（源码：zhibo175）

1.数字人克隆

拍摄真人出镜，正视镜头说话的 5-8 分钟绿幕视频，即可复刻出口型、动作、神态等 1:1 的数字人形象，行业高精度中文唇形驱动技术，性能优势与性价比处于全国领先水平。

2.声音克隆：支持中文和多种外语声音克隆，系统可以输出最多 140 种语言，服务全球用户，可选择 301 种音色，还可以克隆出来你的专属音色，满足不同类型的定制需求，您还可以上传录音进行输出。

3.“Al 大脑”模型

接入“讯飞星火认知大模型”，拥有跨领域的知识和语言理解能力，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，实现基于知识库问答、多轮对话能力。

“数字人”和“AI 大脑”构建好后，通过多种技术手段，让数字人理解用户说的话，并把大脑内容传输出去。

4.音频采集

自研回声消除、声源定位，波束成形、去混响噪声抑制等核心算法用于远场语音交互场景。

5.显示终端

集合知识、看、听、说等多模态人机交互数字人，展现在大屏、移动设备、台式机或平板电脑等多个终端上，实现不同场景的真人模拟对话。

交互数字人源码独立部署能够多场景应用，功能完善，2024 年时数字人垂直应用的一年，数字人将逐渐占据人们的生活，看完本文分享希望你对交互型数字人有所了解！