一、数字人的定义是什么？

答:数字人即虚拟数字人，指存在于非物理世界中，由计算机图形学、图形渲染、动作捕捉、深度学习、语音合成等计算机手段创造及使用，并具有多重人类特征（外貌特征、人类表演能力、人类交互能力等）的综合产物，也被称为虚拟形象、虚拟人等。

二.数字人是如何分类的？

答:（1）从驱动的方式来对虚拟数字人进行分类，可分为真人驱动型和智能驱动型

真人驱动型虚拟数字人：主要原理是真人根据视频监控系统传来的用户视频，与用户实时语音，同时通过动作捕捉采集系统将真人的表情、动作呈现在虚拟数字人形象上，从而与用户进行交互。智能驱动型虚拟数字人：通过智能系统自动读取并解析识别外界输入信息，根据解析结果决策数字人后续的输出文本，然后驱动人物模型生成相应的语音与动作来使数字人跟用户互动。该人物模型是预先通过AI技术训练得到的，可通过文本驱动生成语音和对应动画。未来随着人工成本的逐渐攀升、以及人工智能技术的持续进步，智能驱动型的虚拟数字人预计将成为行业趋势。

（2）从商业化和应用场景来区分，可分为：内容/IP型、功能服务型、虚拟分身型内容/IP型主要应用于影视、文娱、市场营销等场景，功能服务型主要应用于行业服务场景（电商、金融、教育、医疗、文旅等行业），这两种类型虚拟数字人更多是面向B端；虚拟分身类型数字人除了面向B端的应用，C端用户也会有制作虚拟形象的需求，用于虚拟空间中的形象分身和代理（例如在虚拟社交平台）。

三、为什么数字人的应用正越来越受欢迎?

答：随着5G等信息基础设施的完善，社交的视频化，视频会议和直播的普及，游戏的云化，物联网和数字孪生的发展，“万物互联”的世界逐渐成型，随着人工智能等新兴技术的加持，一个和物理世界逐渐融合的虚拟世界正在崛起，人机交互的方式加速更迭，变得越来越丰富立体。先是有文本交互(比如即时通信工具聊天)，后有语音交互(比如机器人外呼，智能家居的语音控制)，再到融合了视觉、语音及语义技术的多模态数字人交互 (比如数字人导购，虚拟教师)，用户在虚拟世界中将得到更为真实，更接近现实，更具沉浸感的体验。

物理世界中人人交互的场景会越来越多在虚拟世界中迁移、复制并融合新体验，这就是数字人交互应用潜力所在，代表着智能人机交互的新范式。

此外，现在客户越来越重视体验，不只是满足于传统的价格、功能这些因素，体验经济渐渐崛起。基于生活和情境打造感官体验，让顾客在购物和服务中获得更好的愉悦感，有助于提升客户满意度，这也是数字人发展的一个重要驱动因素。

四、相对于文本和语音交互技术，数字人交互的价值体现在哪里?

答：数字人最重要的价值是给用户提供更真实自然的交互方式，就像我们人与人之间的沟通一样，是最贴近真实的，带来非常自然的体验，更加人性化。比如在教育场景，数字人可以做老师的虚拟形象，跟学生互动，提升学习的积极性和体验。

此外，从交互效率的角度来看，文本和语音都有局限。文本交互需要打字，语音可能在嘈杂环境下丢失信息，但数字人听的懂，看的见，说的出，信息收集、交互和传递维度更为丰富，有更强的场景适应性， 还可以增加多媒体面板以富媒体的形式表达信息，交互效率也提高不少。

同时，数字人是非常好的情感化表达载体，在一些特定场景下有独特优势，是其他交互形式无法替代的，比如说针对独居老人，可以做一个亲人的形象来陪伴老人;针对留守儿童，可以做爸爸妈妈的形象。而语音和语义的交互形式更多停留在功能上的作用，情感化属性相对欠缺。情感属性的另一面还体现在数字人有助于企业品牌的人格化，和客户建立更人性化的情感纽带。

当然，目前数字人的应用还在早期，随着时间的推移，大家对数字人的认识越来越深，越来越多的数字人价值会被发现和释放，巨大的市场潜力正等待大家挖掘。

五、 数字人行业整体发展情况如何?

答：今年可以看作是数字人的元年，随着ChatGPT的爆火，需求渐渐起来，越来越多的厂商也在进入数字人领域，一些行业的领先公司已经开始应用数字人，可以说是百舸争流，群雄逐鹿。整个数字人市场还在发展的初级阶段，各家公司都在探索不同的落地场景，大家走的方向和路径也有所不同。

从是否具备双向交流能力来看，数字人可分为交互型和非交互型。交互型就是具备类似于人的沟通和互动能力，能实时与人双向交流，可以用在客户服务，教育培训，营销导购等互动式场景。非交互型主要是指按照事先设定好的内容和情境单向输出内容，比如数字人主播，或者电影和游戏中的数字人。数字人的呈现形式可分为真人形象， 仿真，和卡通类型。作为最新技术的超写实真人形象目前是2D为主，能做到对人的形象像素级还原并深度模仿模特的音色，是商业化的主要方向。

数字人产品，特别是交互型数字人，需要在语义、语音、视觉、底层算法等领域都有足够的技术积累，云蝠智能深耕AI五年有余，有着深厚的技术积累和项目经验。

六、作为一种新兴的技术应用，虚拟数字人的难点在哪里?

相比语义、语音交互产品，数字人加入了视觉元素，需要一个逼真的形象，让用户能够有交互的沉浸感。怎么让数字人在与用户的交互中做到非常自然，比如说数字人的声音和形象要同步，嘴型、动作和表情要匹配，没有瑕疵，而且要在对话中实时推理完成的，这对算法和计算性能的要求非常高，是非常难的。实际上，数字人是从文本低维信号转变为图像高维信号的过程，只有同时具备自然语言理解(NLP)、语音识别和生成，视觉合成这样的整体AI能力，才能给用户一个自然逼真的体验。

从产品设计的角度上说，数字人是一个类似于人与人之间面对面交互的产品，语义、语音、视觉的交互是同步进行的，后台交互逻辑的搭建体系需要不断迭代，素材库的持续增加，视频的编辑器易用、好用程度也要向主流剪辑软件看齐，这无疑是需要很强的研发实力。

六、云蝠智能的虚拟数字人有何特点?

数字人从算法到设计，再到工程化和集成环节是非常复杂的，需要对语音、语义、视觉三个不同方向的AI能力进行整合，这要求厂商有非常深厚的技术积淀。云蝠智能是做语音交互起家的，逐步发展到视觉多模态技术，形成全栈AI的能力，在数字人的核心“大脑”部分，主要是依赖NLP技术实现人与人的双向交互，云蝠智能自主研发神鹤大模型NLP，已累计用于3亿+轮数对话，同时，我们也接入GLM、360智脑等生成式预训练模型，用于提供短视频文案或实时交互说辞

七、数字人目前的发展现状到底到了什么程度？

答:早在上世纪80年代虚拟数字人概念开始出现，当时在音乐领域萌芽，虚拟人生成技术以绘制为主。自2000年起，受益于传统手绘方式逐渐被CG、动作捕捉技术取代，虚拟数字产业正进入产业化探索阶段。

数字人的应用其实从2021年下半年开始进入民营渠道，先被人们认知的是数字人口播短视频，采集真人或者完全设计全新虚拟人形象，为客户提供短视频制作服务，采集真人的效率要比设计一个新的虚拟人形象要高效的多。

数字人的第一个应用场景就是去给没有短视频创作能力，或者没有颜值型模特的企业提供口播类短视频服务，而且终端销售难度不大

八、目前什么人是购买数字人拍短视频最多的群体？

答:大多数都是医生，律师，这些平时有非常繁忙的本职工作，但是又大量需要内容输出的群体；另外就是需要输出大量口播类内容的抖音和快手的内容创作者。

九.一个数字人结合真人IP拍视频，一年需要多少钱呢？

答:SaaS使用费用在8K-10K/年左右，远远低于一个模特长期拍摄的成本

十、数字人一般是怎么收费的呢？

答:数字人一般是按合成视频时长来计费，可以直接使用公有模特生成视频，如需自己定制，可以提交训练素材生成专属模特，收取定制费用。

十一、选择数字人公司的服务方案，重点需要关注哪些？

答:（1）训练的效果，因为这个直接决定了视频成像的质量。这一个小细节很多公司都会忽视掉。不要花费几万，甚至十几万搞了个数字人，结果因为采集视频质量不到位，导致最后的成像效果非常差，钱打了水漂了。大家在做数字人的时候，一定是结果驱动选择。你要想明白，你做数字人到底用来拍视频还是做交互？建议大家在前期的时候，可以一步一步的来，可以先熟悉一个功能点，成功实现变现之后，再增加一个功能点，再变现。

十二、数字人直播的效果到底如何？

答:目前通病都是不够生动。不少商家直言，虚拟主播目前的转化率并不高，带货能力也远不如真人主播。“虚拟主播‘太假’，话术简陋、缺乏情感和个性化，很难吸引用户下单。”

目前，不管是淘宝直播，还是抖音、快手直播，做得好的可以看榜单，前100名都没有虚拟主播，全是真人主播。而且大部分时间是团队化运作的真人主播。直播电商需要解决的是信任问题，没有真人背书，虚拟主播很难吸引人类下单。一位头部美妆品牌负责人表示，目前数字人在店播中应用并不广泛，主要用于深夜11点至12点期间，重要的节日促销和黄金时间并不会使用数字人。

十三、AI数字人主播的应用场景主要有哪些？

答:大致分为3类:一类是以售卖“标品”为主的直播间，比如快销品、零食、日用百货等，以单纯讲解为主，内容重复度较高，话术比较统一；一类是本地生活商家的直播间，售卖团购券、外卖券，无论主播是谁，消费者来到直播间的“目的”明确，是为了低价优惠而来；还有一类便是以纯输出观点为主的直播间和短视频。

十四、数字人直播优劣势在哪里？

答:数字人主播表现出的，不受时间、地点、环境等因素影响，可以实现7X24小时高强度直播，不知疲倦、不会辞职等优势。

一是，能节省成本。从成本来看，无需灯光、摄像等硬件投入，也少了主播培训、主播月薪等软投入，只需缴纳数字人定制费和系统服务费，就可以长期使用数字人，而这笔费用相较来说更划算。一般一个主播平均月薪两万元，一年也要 24 万元。一个 AI 主播定制费用 8000 元，一年系统使用费 8 万多元，算下来可以省下10 多万元。

二是，能提高闲时流量。当下阶段，数字人直播通常起辅助功能，很多企业会采用真人+数字人搭配的直播模式。黄金时段和重大促销节点上，使用真人主播，与用户进行实时交流互动，能最大化提高转化率。当真人主播下播后，如深夜、凌晨、或白天观看直播人数较少的时间段，就可以替换上数字人主播。作为真人直播的补充，数字人主播可以做到24小时不停歇直播，延长直播时长，提高闲时流量，为商家带来新的增量和可能。

数字人主播的劣势体现在真实度低、话术简陋、缺乏情感和个性化、转化率低，受限几率高，数字人直播从上线开始几乎一直在和平台的审核机制作斗争。