5.8
深览指数
科技智东西·程 茜··AI 生成
讯飞首发实时生成技术！像真人主播一样临场应变，表情动作实时刷新
科大讯飞推出数字人全系列产品升级，首发实时生成的超拟人数字人，突破了传统数字人分段处理导致的对话不稳定、音画错位等问题。文章核心结论是：数字人正从营销工具转型为企业业务的新交互入口，但规模化落地仍面临技术短板和部署门槛。讯飞通过双时域记忆驱动、数据引导式蒸馏、多模感知强化学习三大技术，以及超拟人语音合成，意图拉平与真人主播的体验差距。适合关注AI商业化、数字人产业、企业服务SaaS的从业者阅读。原文 ↗
核心观点
- ▍数字人不再只是营销工具，正逐步成为企业新的交互入口，替代App、小程序、官网等传统渠道，统一承接用户咨询、办事、服务等业务。
- 01弗若斯特沙利文数据：中国AI数字人市场规模2021-2025年复合增长率52.0%，2030年将从54.4亿元增长到153.4亿元。
- 02讯飞首发三大技术创新：双时域记忆驱动长时视频生成技术（解决长时间运行画面不畸变）、数据引导式低步数流式蒸馏技术（平衡高画质与低延时）、基于多模感知评价体系的强化学习（实现应答准确与神态动作逼真）。
- 03超拟人语音合成技术支持70多种语言，通过多模态预训练、微调对齐、多任务强化学习，使合成语音从复刻音色升级为贴合语义意图的真实情感表达。
- 04讯飞搭建了底层基座（AI虚拟人交互平台）+上层应用（讯飞智作、讯飞绘文）的产品体系，用户1小时即可在平台配置创建对话应用，无需开发。
- 05讯飞智作推出Agent产品，用户与Agent对话即可直出完整营销短视频，或由视频Agent自动完成意图理解、大纲设计、文案撰写、分镜设计、素材生成、音色配置并交付成片。
- 06移动数字人产品包含高清透明显示屏+移动底座，能自主引路、躲障避行、声源追踪、多模态感知，支持多语种对话。
- 07应用案例：泸州老窖数字品鉴师“泸麟儿”、桂林银行数字人理财顾问、洽洽瓜子AI代言人Chacky发布MV、中储粮直播带货、讯飞智作培训数字人单日梳理企业学习资料生成课程。
反方 / 局限
- — 文章承认数字人规模化落地仍有痛点：定制贴合企业形象的门槛不低，分段处理技术导致对话不稳定、表情五官偏移、音画错位，整体运营数据不及在岗人工效果。
- — 高品质数字人形象定制、全息硬件、线下大屏终端部署与长期运维的持续性投入，对中小体量企业仍是不可小觑的负担。
科大讯飞讯飞智作AI虚拟人交互平台讯飞绘文星火大模型双时域记忆驱动长时视频生成技术数据引导式低步数流式蒸馏技术多模感知评价体系强化学习超拟人语音合成技术弗若斯特沙利文泸州老窖桂林银行洽洽瓜子中储粮寻笙
15 分钟 · 3 卡片 · 8 资料
读原文 →