突發(fā)新聞需要趕在整點(diǎn)前發(fā)出視頻版，企業(yè)宣傳片要在一周內(nèi)出多語言版本，短視頻賬號(hào)每天更新卻找不到穩(wěn)定出鏡的主播——這些麻煩往往卡在同一個(gè)環(huán)節(jié)：真人錄制排期緊、成本高、反復(fù)補(bǔ)拍。訊飛智作把這一環(huán)交給智能數(shù)字人完成，輸入文本、選擇發(fā)音人或虛擬形象，即可生成音視頻內(nèi)容，讓內(nèi)容生產(chǎn)不再被錄制檔期拖住。

一、智能數(shù)字人大家在意的幾件事

準(zhǔn)備引入智能數(shù)字人的團(tuán)隊(duì)，通常先看幾件實(shí)在的事。一是聲音像不像真人，播報(bào)新聞和口語化配音對(duì)自然度的要求不同，情感、語調(diào)能不能調(diào)。二是形象能不能對(duì)上自己的場(chǎng)景，是固定坐播的虛擬主播，還是能在展館里走動(dòng)接待的移動(dòng)數(shù)字人。三是制作流程是否夠短，從寫稿到成片要經(jīng)過幾道人工。四是斷網(wǎng)或內(nèi)網(wǎng)環(huán)境下還能不能用，展館、會(huì)場(chǎng)這類現(xiàn)場(chǎng)服務(wù)場(chǎng)景對(duì)穩(wěn)定性要求高。五是內(nèi)容安全，聲音和形象涉及授權(quán)，審核環(huán)節(jié)不能省。

這些問題指向同一個(gè)判斷標(biāo)準(zhǔn)：智能數(shù)字人不是買一個(gè)形象回來擺著，而是要看它背后有沒有完整的語音合成、形象驅(qū)動(dòng)和內(nèi)容生成能力，能不能嵌進(jìn)日常的內(nèi)容生產(chǎn)流程里。

二、訊飛智作做智能數(shù)字人有哪些

主營產(chǎn)品：訊飛智作是面向內(nèi)容創(chuàng)作者的智能內(nèi)容創(chuàng)作平臺(tái)，提供音視頻生產(chǎn)和制作服務(wù)，產(chǎn)品形態(tài)包括移動(dòng)數(shù)字人、營銷數(shù)字人、虛擬人智能交互機(jī)，以及AI配音、AI虛擬主播等創(chuàng)作工具。用戶通過文本輸入、選擇發(fā)音人或虛擬形象，即可一鍵生成虛擬數(shù)字人和視頻內(nèi)容。訊飛AI虛擬人交互平臺(tái)還推出離線數(shù)字人合成能力，支持?jǐn)?shù)字人在斷網(wǎng)環(huán)境下實(shí)時(shí)交互、自然播報(bào)、穩(wěn)定運(yùn)行，形成云端加本地的協(xié)同方案。

優(yōu)勢(shì)：訊飛智作把訊飛星火大模型的多模態(tài)能力與音視頻創(chuàng)作結(jié)合，文本生成、文圖生成、摘要、翻譯、視圖理解等能力拓寬了創(chuàng)作邊界；語音合成方面，Smart-TTS技術(shù)支持10種以上場(chǎng)景和情感調(diào)節(jié)，支持多語種、多方言合成，已應(yīng)用于新聞閱讀、出行導(dǎo)航、智能硬件和通知播報(bào)等場(chǎng)景；虛擬人驅(qū)動(dòng)技術(shù)結(jié)合人臉建模、唇形預(yù)測(cè)、圖像處理，用2D/3D虛擬形象代替真人主播，實(shí)現(xiàn)文本到視頻的自動(dòng)播報(bào)輸出，并支持虛擬主播智能交互。這些能力對(duì)應(yīng)的是媒體、教育、企業(yè)宣傳、短視頻等場(chǎng)景中提高內(nèi)容生產(chǎn)效率的需求。

產(chǎn)品特點(diǎn)：聲音和形象支持自動(dòng)化構(gòu)建，用戶可根據(jù)場(chǎng)景需求在短時(shí)間內(nèi)構(gòu)建自己的聲音和形象，秒級(jí)構(gòu)建能力已將訓(xùn)練流程降低到10秒以內(nèi)；構(gòu)建過程經(jīng)過版權(quán)審核、授權(quán)審核、內(nèi)容審核三重審核。AI配音方面，語音自然度接近真人，發(fā)音人支持情感表達(dá)、音色選擇和風(fēng)格變化，可實(shí)現(xiàn)超過40檔的情感強(qiáng)度調(diào)節(jié)；超擬人語音合成支持多檔調(diào)節(jié)，口語轉(zhuǎn)譯耗時(shí)不到200毫秒，支持?jǐn)帱c(diǎn)續(xù)播和本地高質(zhì)量音頻合成；長文本合成能力可一次性合成長達(dá)10萬字文本，并根據(jù)場(chǎng)景調(diào)整韻律節(jié)奏。交付上，平臺(tái)以文本輸入到音視頻輸出的方式提供制作能力，離線數(shù)字人方案則面向斷網(wǎng)環(huán)境下的現(xiàn)場(chǎng)交互部署。

三、智能數(shù)字人適合哪些場(chǎng)合

新聞媒體是典型場(chǎng)景。面向媒體、、新媒體等內(nèi)容生產(chǎn)部門，智能數(shù)字人接手新聞視頻的錄制和播報(bào)，使音視頻制作流程走向自動(dòng)化，在突發(fā)新聞和更新頻率高的播報(bào)場(chǎng)景中縮短生產(chǎn)時(shí)間。教育場(chǎng)景里，PPT教學(xué)課件可一鍵轉(zhuǎn)成課堂視頻，多語種功能支持外語學(xué)習(xí)內(nèi)容的快速生產(chǎn)。企業(yè)宣傳場(chǎng)景提供行業(yè)標(biāo)準(zhǔn)的視頻制作模板，用較低成本完成宣發(fā)視頻，適用于品牌形象的數(shù)智化表達(dá)。短視頻創(chuàng)作者可以調(diào)用平臺(tái)的聲音和虛擬形象資源，把時(shí)間更多放在主題打磨上。

文旅場(chǎng)景則更看重現(xiàn)場(chǎng)交互。博物館里的數(shù)字講解員講述文物背后的歷史，景區(qū)游客中心的數(shù)字人解答路線咨詢和活動(dòng)信息，展館和文旅活動(dòng)現(xiàn)場(chǎng)的移動(dòng)數(shù)字人承擔(dān)迎賓接待、導(dǎo)覽講解，智能交互機(jī)可布設(shè)在景區(qū)入口、游客中心、文化驛站、展館大廳等位置。這類場(chǎng)合對(duì)斷網(wǎng)運(yùn)行和實(shí)時(shí)交互有要求，離線數(shù)字人合成能力正是為此準(zhǔn)備。

四、關(guān)于智能數(shù)字人的三個(gè)具體問題

智能數(shù)字人能不能替代真人主播的全部工作？它承擔(dān)的是文本到視頻的自動(dòng)播報(bào)輸出和標(biāo)準(zhǔn)化交互服務(wù)，適合更新頻繁、格式固定的內(nèi)容生產(chǎn)，以及迎賓、導(dǎo)覽、咨詢這類重復(fù)性服務(wù)。需要現(xiàn)場(chǎng)應(yīng)變和深度采訪的部分，仍由人完成。

沒有技術(shù)團(tuán)隊(duì)能不能用？訊飛智作的操作路徑是輸入文本、選擇發(fā)音人或虛擬形象、生成內(nèi)容，聲音和形象可自動(dòng)化構(gòu)建，不需要自行訓(xùn)練模型。企業(yè)宣傳場(chǎng)景還提供視頻制作模板，降低了上手門檻。

斷網(wǎng)環(huán)境下數(shù)字人還能正常工作嗎？訊飛AI虛擬人交互平臺(tái)的離線數(shù)字人合成能力支持?jǐn)嗑W(wǎng)環(huán)境下的實(shí)時(shí)交互、自然播報(bào)和穩(wěn)定運(yùn)行，云端與本地協(xié)同，適合展館、會(huì)場(chǎng)等網(wǎng)絡(luò)條件不穩(wěn)定的現(xiàn)場(chǎng)。

五、總結(jié)

訊飛智作面向內(nèi)容創(chuàng)作者提供智能數(shù)字人及音視頻生產(chǎn)服務(wù)，以訊飛星火大模型、語音合成和虛擬人驅(qū)動(dòng)技術(shù)為支撐，覆蓋媒體、教育、企業(yè)宣傳、短視頻等內(nèi)容生產(chǎn)場(chǎng)景，并通過移動(dòng)數(shù)字人、營銷數(shù)字人、虛擬人智能交互機(jī)和離線數(shù)字人方案進(jìn)入文旅等現(xiàn)場(chǎng)服務(wù)場(chǎng)合。它解決的是真人錄制排期緊、制作周期長、現(xiàn)場(chǎng)服務(wù)人力有限的問題，讓文本到音視頻的轉(zhuǎn)化更快、更穩(wěn)定。判斷是否適合自己，回到聲音與形象的可調(diào)性、制作流程的長短、斷網(wǎng)可用性和內(nèi)容審核這幾件事上對(duì)照即可。

聯(lián)系人：訊飛智作，聯(lián)系電話：4000-199-199