AI应用-数合数字人

AI应用-数合数字人

一、什么是数字人

数字人是通过计算机图形学、人工智能、动作捕捉等技术创建的虚拟人物形象，具有高度拟真性、交互性和个性化特点。它不仅可以高度还原真实人物的外貌、声音和动作，还能通过语音、文字等方式与用户进行交互，提供个性化的服务和体验。

数字人广泛应用于多个领域，例如在金融领域，宁波银行的“小宁”和渤海银行的“小海豚”作为数字人大堂经理和在线客服，为客户提供业务咨询和金融服务。在文旅行业，数字人如广州永旺梦乐城的“小糖”担任虚拟客服和导购，为顾客提供店铺导览和优惠推荐。在教育领域，数字人可以作为虚拟教师，为学生提供个性化学习辅导。此外，数字人还被用于品牌营销、医疗健康、智能家居等多个场景。

随着技术的不断进步，数字人的应用场景还在不断拓展。同时，随着数字人的广泛应用，相关的伦理和法律问题也逐渐凸显，如版权、隐私保护等。​

二、主流数字人产品

为了更深入了解数字人，对以下几款主流数字人产品进行了分析：

	HeyGem	智影数字人	剪映数字人
公司	南京硅基智能科技集团	腾讯公司	字节跳动公司旗下的抖音团队​
技术基础	基于先进的AI技术，仅需1秒视频或1张照片，就能在30秒内完成数字人形象和声音克隆，在60秒内合成4K超高清视频。支持多语言输出、多表情动作，在复杂光影或遮挡场景下，依然能实现100%口型匹配。	基于真人三维建模与智能算法技术，通过虚拟角色与用户进行互动。提供文本配音、音色定制、智能变声等功能，文本配音功能提供了上百种音色可供选择。	基于计算机图形学、人工智能和语音识别等领域的先进技术​
应用方式	可通过Docker一键部署，最低NVIDIA 1080Ti显卡即可运行。用户可上传正脸照片和录制语音进行克隆，支持Markdown格式剧本输入，AI根据内容推荐镜头运动方式并一键渲染生成视频。	互联网在线应用，用户可通过输入文本或音频内容，生成数字人播报视频。还可上传少量图片、视频素材，得到自己的数字人分身	用户可以通过剪映专业版的素材库面板或属性调节面板操作，输入文案或音频内容，选择数字人形象、音色、景别及背景后生成数字人播报视频​
照片播报	支持，仅需1秒视频或1张照片，30秒内完成数字人形象和声音克隆，60秒内合成4K超高清视频。	支持，用户可通过输入文本或音频内容，生成数字人播报视频。	暂无明确信息，但剪映数字人支持通过输入文本或音频内容生成数字人播报视频​
视频合成	支持，推理速度达到1:0.5，视频渲染合成速度达到1:2，支持4K超高清、32帧/秒的视频输出。	支持，用户输入文本后，可转换成自然流畅的语音，并提供虚拟形象进行视频合成	支持，用户输入文本后，可转换成自然流畅的语音，并提供虚拟形象进行视频合成​
本地部署能力	支持，提供Docker部署文件，可在本地进行离线操作。	不支持	剪映数字人功能主要通过在线平台使用​
标签	内容创作、在线教育、直播营销、影视特效、智能客服	自媒体创作、品牌宣传、客服培训	自媒体创作、品牌宣传、客服培训、在线教育、企业宣传、娱乐搞笑​

结合本地化部署HeyGem和在线使用智影数字人，分析如下：    

HeyGem：在模拟真人视频合成方面，能够生成高度逼真的数字人形象，但在外貌和动作的还原度上可能还有待提高。在使用数字人形象合成方面表现较好，能够快速创建多样化的虚拟形象，并支持本地化部署，为用户提供了较高的隐私保护和使用灵活性。

智影数字人：在数字人视频合成的速度和效率上表现出色，能够快速生成高质量的数字人视频，但在模拟真人视频合成和本地部署能力方面的具体表现暂不明确。​

三、数合数字人

基于先进的开源模型，支持本地部署，可在本地离线操作，确保数据隐私安全。能够进行照片播报和视频合成，支持数字人形象合成与模拟真人视频合成，在外貌、动作和声音上高度逼真。性能方面，1分钟的视频合成大约需要30分钟（个人笔记本,1块4060卡），整体表现出色。

示例见公众号

真人效果，涉及隐私，暂不提供