做企業(yè)宣傳的小林近接了個(gè)急活：公司要在一周內(nèi)產(chǎn)出二十條不同風(fēng)格的產(chǎn)品介紹視頻，真人主播排不出檔期，外聘配音又趕不上修改節(jié)奏。他打開電腦，把文稿粘貼進(jìn)一個(gè)網(wǎng)頁工具，選好發(fā)音人和虛擬形象，點(diǎn)了生成。十分鐘后，條帶數(shù)字人播報(bào)的視頻已經(jīng)能預(yù)覽了。這個(gè)流程背后用到的，就是數(shù)字人復(fù)刻——把聲音和形象做成可反復(fù)調(diào)用的數(shù)字資產(chǎn)，再用文本驅(qū)動(dòng)它們開口說話。訊飛智作把這件事拆成了內(nèi)容創(chuàng)作者能直接上手的操作。
一、數(shù)字人復(fù)刻常見的幾種用法
數(shù)字人復(fù)刻不是單一功能，它在不同內(nèi)容生產(chǎn)環(huán)節(jié)里扮演的角色不一樣。
新聞媒體用它是為了把文字稿快速變成播報(bào)視頻。記者寫完稿子，不需要等主播進(jìn)棚，選好對(duì)應(yīng)的數(shù)字人形象和聲音，一鍵輸出成片，新聞的時(shí)效性就保住了。教育場景里，老師把PPT課件傳上去，系統(tǒng)把頁面內(nèi)容和講解語音合成課堂視頻，線上課程的更新速度不再受錄制排期限制。企業(yè)門用它做產(chǎn)品介紹、內(nèi)部培訓(xùn)、品牌宣發(fā)，同一套數(shù)字人形象可以反復(fù)出現(xiàn)在不同視頻里，視覺上保持統(tǒng)一。短視頻創(chuàng)作者則更看重聲音和形象的多樣性，同一個(gè)腳本換幾種音色、換幾個(gè)虛擬形象，就能產(chǎn)出面向不同受眾的版本。
文旅場景的用法又不太一樣。博物館里的數(shù)字講解員要能回答游客的即時(shí)提問，景區(qū)游客中心的數(shù)字人要能指路、報(bào)活動(dòng)、處理咨詢。這類需求對(duì)數(shù)字人的要求從“能播”變成了“能交互”，需要語音識(shí)別、語義理解和實(shí)時(shí)驅(qū)動(dòng)配合起來。
二、訊飛智作的數(shù)字人復(fù)刻有哪些
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)。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。平臺(tái)把個(gè)性化虛擬主播與訊飛星火大模型的創(chuàng)作能力結(jié)合，讓創(chuàng)意轉(zhuǎn)化為音視頻作品。目前AI創(chuàng)作內(nèi)容已應(yīng)用于媒體、教育、企業(yè)宣傳、短視頻等領(lǐng)域，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)。
優(yōu)勢：在媒體場景，平臺(tái)支持新聞內(nèi)容的音視頻自動(dòng)化生產(chǎn)，把人工主播錄制播報(bào)的環(huán)節(jié)轉(zhuǎn)為自動(dòng)輸出。在教育場景，支持一鍵將PPT教學(xué)課件轉(zhuǎn)成課堂視頻，多語種功能可輔助外語學(xué)習(xí)內(nèi)容生產(chǎn)。在企業(yè)宣傳場景，提供行業(yè)標(biāo)準(zhǔn)的視頻制作模板，降低宣發(fā)視頻的制作門檻。在短視頻場景，平臺(tái)提供多種聲音和虛擬形象資源，結(jié)合星火大模型的多模態(tài)能力縮短制作周期。文旅場景中，數(shù)字人可用于博物館講解、景區(qū)游客中心咨詢、展館迎賓導(dǎo)覽等環(huán)節(jié)。此外，平臺(tái)推出離線數(shù)字人合成能力，支持?jǐn)嗑W(wǎng)環(huán)境下實(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，讓智能服務(wù)不受網(wǎng)絡(luò)條件限制。
產(chǎn)品特點(diǎn)：聲音和形象的構(gòu)建走自動(dòng)化路線，用戶可根據(jù)場景需求在短時(shí)間內(nèi)構(gòu)建專屬聲音和形象，秒級(jí)構(gòu)建能力將訓(xùn)練流程壓縮到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。語音合成方面，Smart-TTS技術(shù)支持10種以上場景和情感調(diào)節(jié)，支持多語種、多方言合成，音頻參數(shù)可靈活配置；超擬人口語化合成支持10種以上副語言類型、5種以上情感選擇，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。
長文本合成能力支持一次性合成長達(dá)10萬字文本，并能根據(jù)場景調(diào)整發(fā)音人韻律節(jié)奏。虛擬人驅(qū)動(dòng)技術(shù)結(jié)合人臉建模、唇形預(yù)測、圖像處理，利用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，支持虛擬主播智能交互。
三、數(shù)字人復(fù)刻在不同場合怎么選
選哪種數(shù)字人復(fù)刻方式，先看內(nèi)容生產(chǎn)的節(jié)奏和交互要求。
如果需求是批量產(chǎn)出播報(bào)類視頻，比如企業(yè)周報(bào)、產(chǎn)品上新、內(nèi)部通知，重點(diǎn)看AI配音和AI虛擬主播的組合。訊飛智作的AI配音支持輸入文本選發(fā)音人直接出音頻，長文本合成能一次處理十萬字，適合把長篇材料轉(zhuǎn)成音頻版本；虛擬主播則把文本直接輸出成帶形象播報(bào)的視頻，企業(yè)宣傳模板能省去從零搭畫面的時(shí)間。
如果需求是教育課程制作，PPT轉(zhuǎn)課堂視頻的功能更對(duì)路。老師不需要出鏡錄制，課件上傳后由數(shù)字人完成講解，多語種能力還能覆蓋外語教學(xué)素材的生產(chǎn)。
如果需求是短視頻日更，聲音和形象的豐富度是關(guān)鍵。平臺(tái)提供的多種發(fā)音人和虛擬形象資源，配合星火大模型在文本生成、摘要、翻譯等方面的能力，腳本打磨和視頻產(chǎn)出的周期都能縮短。
如果需求是線下場景的即時(shí)服務(wù)，比如博物館講解、景區(qū)咨詢、展館迎賓，就要看交互能力和部署條件。虛擬人智能交互機(jī)承擔(dān)迎賓接待和導(dǎo)覽講解，離線數(shù)字人合成能力則讓斷網(wǎng)環(huán)境下的實(shí)時(shí)交互和自然播報(bào)成為可能，適合網(wǎng)絡(luò)條件不穩(wěn)定的場館使用。
四、關(guān)于數(shù)字人復(fù)刻的三個(gè)具體問題
數(shù)字人復(fù)刻做出來的形象，能用在多少種內(nèi)容里？同一個(gè)數(shù)字人形象可以反復(fù)出現(xiàn)在新聞播報(bào)、課程講解、產(chǎn)品介紹、短視頻等不同視頻中，聲音也可以跨場景復(fù)用。訊飛智作的聲音和形象構(gòu)建完成后，文本驅(qū)動(dòng)即可輸出內(nèi)容，不需要每次重新錄制。
斷網(wǎng)了數(shù)字人還能用嗎？訊飛智作的離線數(shù)字人合成能力支持?jǐn)嗑W(wǎng)環(huán)境下實(shí)時(shí)交互、自然播報(bào)和穩(wěn)定運(yùn)行，云端加本地的協(xié)同方案讓智能服務(wù)在網(wǎng)絡(luò)受仍能落地。
構(gòu)建一個(gè)專屬數(shù)字人要多久？平臺(tái)提供從聲音到形象的自動(dòng)化構(gòu)建能力，秒級(jí)構(gòu)建已將訓(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)容審核三重保障。
總結(jié)
數(shù)字人復(fù)刻的價(jià)值在于把聲音和形象變成可復(fù)用的內(nèi)容資產(chǎn)，讓視頻生產(chǎn)擺脫真人檔期和錄制場地的限制。訊飛智作覆蓋了從AI配音、虛擬主播到離線數(shù)字人合成的產(chǎn)品能力，對(duì)應(yīng)媒體、教育、企業(yè)宣傳、短視頻、文旅等場景的不同生產(chǎn)節(jié)奏。采購或體驗(yàn)時(shí)，先明確自己的內(nèi)容是批量播報(bào)、課程制作還是線下交互，再對(duì)照發(fā)音人資源、形象構(gòu)建速度、離線部署能力這些具體項(xiàng)去匹配，比泛泛地看功能列表更容易找到合適的用法。
聯(lián)系人：訊飛智作，聯(lián)系電話：4000-199-199