数字人建模
上传三到五分钟正面口播视频,或一组多角度照片,系统提取面部关键点、肤质与发型,生成可以被文本驱动的形象。建模完成后能保存多套妆造,同一张脸换发型、换服装不需要重新采集。嘴型、眉眼神态、头部微动的幅度都可以单独调,坐播和半身出镜各有一套参数。
全自动直播不是把摄像头对准一个会动的头像,而是六件事各自到位、彼此咬合。下面按实际使用顺序拆开讲,每一项都说明它在流程里解决什么问题。
上传三到五分钟正面口播视频,或一组多角度照片,系统提取面部关键点、肤质与发型,生成可以被文本驱动的形象。建模完成后能保存多套妆造,同一张脸换发型、换服装不需要重新采集。嘴型、眉眼神态、头部微动的幅度都可以单独调,坐播和半身出镜各有一套参数。
录十到二十句覆盖常用音素的语料,训练出接近原声的音色模型,语速、停顿和重音都能单独设置。行业术语可以加进发音词典,避免把转化率、客单价、SKU 这类词读错。同一套脚本可以挂不同音色,做方言场或多语种场时不用重新录音。
把商品信息、门店信息和活动规则填进表单,系统按讲品、答疑、催单、过场生成分段脚本,并标好每段的时间点。脚本与话术库绑定,改价格只改一处,所有段落同步更新。想调整节奏时,直接拖动时间轴上的段落顺序,比从头改稿快得多。
评论进入后先做意图分类,问价、问规格、问地址、问优惠、闲聊各走各的应答路径。命中知识库的直接回答,同时带上商品卡或贴片;未命中的按规则转给值守人员。关键词还能触发指定动作,比如说到库存就弹出倒计时贴片,说到地址就切出门店卡片。
推流地址集中管理,支持定时开播、断流重连和多平台同时分发。画面由模板合成,数字人、商品卡、贴片、字幕分层摆放,改一层不影响其他层。开播前系统会检查地址可达性和画面比例,比例不对会直接提示,不用等到开播后才发现被裁切。
按分钟记录在线人数、平均停留、互动次数、商品点击和成交,并把这些曲线对齐到脚本时间轴。哪一分钟开始掉人、哪个讲品段的点击最高,都能直接看到。复盘结果可以回写成下一场的脚本调整,不用再靠记忆复述昨天播了什么。
八类场景,从本地生活到跨境多语。每张卡片写清适用行业、数字人在场时负责什么,以及真人建议在哪个环节接手。左上角是直播形态,右下角是建议的真人介入时长。
适用服饰、家居、小家电等 SKU 较多的类目。数字人按排品表连续讲解,价格、库存、优惠券由后台统一改,避免口播和页面不一致;真人在开抢前后盯库存和异常订单,并接手需要试穿、试用演示的段落。
查看场景适用需要稳定开播、维持品牌调性的消费品牌。数字人按固定妆造、固定背景、固定贴片位置出场,保证一天几场看起来是同一个直播间;真人在开播前审脚本、播中看评论、播后改话术,不承担重复口播。
查看场景适用食品、农产品、家居制造等需要讲清产地的品类。数字人承担产地介绍、工艺讲解和常见质疑的应答,把长时段的基础信息讲完;真人走进车间出镜半小时,拍产线实景、拆包装、回答原料批次这类必须眼见为实的问题。
查看场景适用保险经纪、银行零售和持牌财富机构。数字人按审核过的口径讲保障范围、免责条款和办理流程,语速平稳、不留临场发挥空间;真人不定时插入答疑,并在后台全程复核,遇到个案立刻接管,只做科普不做承诺。
查看场景适用职业教育、语言培训和兴趣课程。数字人讲课程结构、师资背景、上课方式和常见的学习节奏问题,把咨询量大的基础问答消化掉;真人在固定时段集中答疑,处理试听安排、退转规则和需要判断基础水平的个案。
查看场景适用做东南亚、中东和欧美市场的跨境卖家。数字人按预生成的多语音轨讲品,同一套画面可以切英语、西语、阿语版本,覆盖不同时区;真人按场次抽检发音和术语,处理物流时效、关税与退换货这些容易引起争议的问题。
查看场景能不能开播只是一次验证,能不能连着跑三个月才是方案的价值。下面六点讲的是机制,不是口号,每一条都能在后台找到对应的设置项。
形象、声音、脚本、直播间模板这四件事可以并行准备,素材齐了之后建模与训练在后台排队跑,不用一项等一项。所谓 60 秒开播,指的是这四样都就绪后的启动动作:加载场景、校验推流地址、合成画面,然后推出去。第一次建模另算时间,把预期说清楚,比一味强调快更有用。
数字人不会累,但账号会。长时间开播真正要解决的是内容重复度:系统按小时段切换脚本段落和话术,同一件商品在不同时段用不同切入点讲,避免整场像一段录音循环。凌晨场可以降到低频讲解加答疑模式,把算力花在有人看的时段。
同一个形象模型跨场次复用,妆造、灯光、背景、贴片位置全部固化成模板。真人主播会受状态、光线和服装影响,今天和明天看起来不一样;数字人不会。对需要长期日播的品牌来说,这种稳定比偶尔的惊艳更重要,观众记住的是那张脸和那个画面结构。
违禁词库前置拦截,脚本提交后逐句过一遍,命中就标红并要求改写;口播稿版本、审核人、上线时间都留痕。AI 标识固定在画面可见位置,直播录屏按场次存档。合规不是开播前的一次检查,而是把检查嵌进脚本生产流程里,让说错话的概率降下来。
成本从按人头和时长计,转成建模投入加算力加运营三块。建模是前置固定成本,算力随时长走,运营决定脚本质量。真正省钱的地方不是把主播换掉,而是把等待、重复讲解、冷场补话这些低效时段填满,让人力集中在选品、脚本和异常处理上。
一个跑通的直播间可以存成模板:形象、场景、脚本结构、问答库、贴片位置整套复制,新门店只需要替换商品库、地址和营业时间。复制的前提是字段规范,商品表里缺规格、缺发货说明,复制过去就会在互动环节暴露。所以模板化之前,先把数据整理干净。
他们分别从产品设计、代运营交付、内容合规和品牌自播的角度,谈了全自动直播真正难的地方在哪里。
很多人把全自动理解成无人值守,其实前半句是自动,后半句是兜底。产品设计里最花时间的不是让数字人开口,而是设计它什么时候闭嘴、什么时候叫人。异常路径想清楚了,商家才敢把深夜场交出去。
代运营的账很好算:一个成熟直播间,真人主播的有效出镜时间其实只有几个小时,剩下的是等待、重复讲解和冷场。数字人接的正是这一段。但脚本不迭代,再像真人的形象也留不住人,观众对重复的容忍度比想象中低。
合规审查看的不是你用了什么技术,而是有没有误导。AI 标识、资质展示、功效表述、录屏留存,这四件事做到位,数字人直播和真人直播的审查逻辑是一样的。怕的是为了转化把话术写飘,技术只是把这种飘放大。
品牌自播最怕形象漂移。今天灯光偏暖、明天妆造换了,观众会立刻觉得不对劲。我们把形象参数、背景、贴片位置全部固化成模板,换场次只换商品,一致性反而比频繁换真人主播更稳,培训成本也低。
把直播交给数字人,最容易犯的错是直接点开播。下面按准备、开播、互动、复盘拆开,每一步都给出可以直接照着执行的清单。
数字人直播看起来是把真人换成一个形象,实际动的是整条生产链。形象只是最外面那层,真正决定一场直播能不能跑住的,是开播之前那些琐碎的准备,和开播之后有没有人认真看数据。四个环节里,任何一个跳过,后面都会以掉人、答错、断流的形式还回来。
准备阶段要做的事,本质是把只有人才懂的信息写成结构化的字段。形象要有授权和素材规范,声音要有语料和发音词典,商品要有卖点、规格、价格、禁忌词,直播间要有场景模板和贴片位置。这些字段缺一项,后面的自动化就会在某个环节卡住,而且往往卡在最不该卡的地方。
准备清单:① 录一段三到五分钟正面口播,光线均匀、背景干净、不戴反光眼镜;② 整理十到二十句语料,覆盖数字、金额和常用词;③ 按商品建一张表,写清卖点、规格、价格、发货与售后;④ 把类目禁语和功效边界单独列一份;⑤ 确认场景模板、贴片尺寸与商品卡位置;⑥ 明确谁审脚本、谁值守、谁有权暂停。
这一阶段最容易被跳过的是授权。真人肖像和声音的使用范围要写清楚:仅限本账号,还是可以给门店复用;授权到期后模型怎么处理;员工离职后形象还能不能用。这些事先约定,比事后解释省事得多。
形象、声音、脚本都就绪之后,开播确实可以很快:选形象、挂商品、选场景、点开始,系统完成画面合成和推流。但这 60 秒能不能稳定,取决于开播前那张检查表有没有逐项过一遍。大部分事故不是技术不会推流,而是价格没同步、贴片挡住商品卡、备用网络没插。
开播清单:① 推流地址与备用网络是否可用;② 商品卡价格与库存是否同步;③ 脚本时段是否与当前时间匹配;④ AI 标识是否在画面持续可见;⑤ 转人工的触发词和提醒方式是否开启;⑥ 值守人员的接管入口是否已登录。
定时开播适合固定时段,手动开播适合临时加场。两种方式都要留一个暂停开关,遇到评论异常或平台提醒时,先停再查。边播边改看着高效,实际上很容易把一个小问题拖成一场事故。
互动环节的指标不是回答了多少条,而是真人被叫出来多少次。把高频问题按意图归类,写进知识库,让数字人先接住;剩下答不上来的,用规则转给真人。这个比例调好了,一个人看几个直播间才成为可能;调不好,值守的人会比真人主播还累。
互动清单:① 统计近七天评论,按问价、规格、地址、优惠、售后、闲聊分类;② 每类写三条以上标准答法,避免每次措辞都不一样;③ 设置转人工规则:连续未命中、出现投诉词、用户点名要真人;④ 准备三到五条冷场时的过渡话术;⑤ 每天补一次未命中问题清单,别攒到周末。
数字人最容易被识破的时刻,不是口型,而是答非所问。宁可让它说「这个我确认一下,稍后回复」,也不要硬编一个答案。前者只是不够聪明,后者会直接失去信任。
复盘不是看总观看人数,而是把在线人数、互动、点击、成交铺在同一条时间轴上,对齐脚本的每一段。哪一分钟开始掉人,那一段讲了什么,是语速、内容还是节奏的问题,一目了然。只看总数,永远只能得出「今天不如昨天」这种没法执行的结论。
复盘清单:① 导出分钟级在线人数曲线;② 标出每个讲品段的起止时间;③ 找出掉人最快的前三段,回看对应话术;④ 对比点击最高的商品与讲它的时长;⑤ 记录当天未命中的问题,补进知识库;⑥ 把下一场的调整写成一条具体动作,而不是「再优化一下」。
四步走完一轮,通常会发现问题不在数字人,而在脚本顺序和商品结构。工具能放大一套好脚本的效果,也能放大一套烂脚本的问题。把这一点想明白,就不会指望换个形象解决所有事。
从「能不能播」到「播得稳不稳」,这一年行业的重心明显挪了位置。
第一个变化是评价标准。早期大家比的是形象像不像、口型准不准,现在这些问题基本被抹平,讨论重点转到了稳定性:连续播八小时会不会崩、断流能不能自己接回来、脚本换场次麻不麻烦。技术从展示品变成了基础设施,比拼的维度也跟着下移。
第二个变化来自平台规则。数字人直播的标识、报备和类目资质要求逐步明确,过去靠信息差打擦边球的做法空间越来越小。这对认真做内容的团队其实是好事:规则清晰之后,投入在脚本和合规上的成本才敢往长期算,而不是做一单换一个号。
第三个变化发生在商家一侧。早期是服务商打包代运营,商家只负责供货;现在越来越多品牌把数字人当成自建能力,自己养脚本、自己管知识库,服务商转向提供模型和培训。能力从外部回到内部,意味着工具必须足够简单,简单到门店店长培训半天就能上手。
记录 AIGC 直播这一季度的规则变化、平台动作和一线团队的用法调整。
多个内容平台在近期更新了数字人直播的审核口径,重点检查 AI 标识是否持续可见、形象授权是否可追溯、口播稿是否留档。开播前建议重新核对后台的材料清单,别沿用上一季度的模板。
查看详情 →越来越多门店不再把数字人当临时补位,而是固定在闲时段开播,与真人班表错开。跑得顺的团队通常只做一件事:把套餐、地址、营业时间三类问答整理成固定口径,减少临场发挥。
查看详情 →做东南亚和中东市场的卖家开始把多语种音轨当成标配,主推段预生成、答疑段实时翻译的混合方式被普遍采用。术语一致性仍是主要问题,发音词典和人工抽检缺一不可。
查看详情 →新一版驱动模型改善了侧脸、低头和快速转头的表现,半身出镜时的肩颈联动也更顺。对需要边讲边指商品的场景来说,这意味着可以减少「站桩式」口播,画面不至于太呆。
查看详情 →运营团队的复盘习惯在变:不再只盯场观和 GMV,而是把在线人数曲线和脚本时间轴对齐,找掉人最快的那一段。指标变细之后,调整动作也跟着具体,改的是某一分钟的话术而不是整场推翻。
查看详情 →把直播的重复劳动交给系统,把判断留给人。
秒播是北京灵犀深智科技有限公司旗下的产品,定位是 AIGC 数智主播与直播营销 SAAS,2023 年成立并进入商业化。团队一开始就没把数字人当成一个会动的头像,而是当成一套能嵌进商家日常经营的直播产能:能建、能改、能复用,出了状况有人接得住。
产品围绕四件事展开。把真人形象和声音做成可复用的资产;把商品和门店信息翻译成能读的脚本;让直播间在没有真人出镜时也能应答;把每场直播的数据拆到分钟级。60 秒一键开播、无人直播、智能互动,都是这套流程跑顺之后自然长出来的能力,而不是单独包装的卖点。
服务对象主要是三类:有门店、要做本地生活引流的商家;同时服务多个客户的代运营服务商;需要稳定日播、又在意品牌一致性的直播团队。三类人的痛点不一样,商家更在意开播成本和到店率,服务商更在意复制效率,品牌团队更在意合规留痕和形象稳定,方案的重心也跟着不同。
我们不承诺一场直播能带来多少成交,那取决于货、价格和投放。秒播负责的是把开播的门槛降下来,把重复的部分自动化,把需要判断的部分留给人。工具能做的到此为止,剩下的仍然是一门关于货和人的生意。
把商家、服务商和品牌团队问得最多的问题整理成一份清单,点击标题即可展开查看答案。
评论区会自动向上滚动,把鼠标移上去就会停下来。
我们是做社区餐饮的,晚市前用数字人播两小时引到店,真人只在高峰期接管。最明显的变化是不用临时抓人开播,套餐讲解也不会漏项。
女装类目对版型问题特别多,把尺码表录进知识库之后,重复提问少了一大半。偶尔遇到面料细节还是得真人上,接管按钮就在手边,切换挺顺。
服务商角度说,交付周期比预想短,形象和声音一次做好可以复用到十几个门店。麻烦的是每个客户的话术审核标准不一样,这部分仍然省不了人。
品牌日播最怕形象每场不一样,现在固定一套妆造和灯光参数,连着播了两个月,观众没察觉到换过。希望后面能加多套妆造定时切换。
工厂溯源那场用数字人做开场和路线讲解,真人只在车间出镜十分钟。信号弱的区域推流断过一次,自动重连回来了,画面切了待机页,没黑屏。
复盘的时间轴挺好用,一眼看到第三十分钟开始掉人,回头查脚本发现那段在讲参数,太干。把顺序调了一下,停留时长第二场就回来了。
声音克隆出来的音色比我预期像,数字和英文读得也准。方言场次试了一次,个别词还是有点飘,后来加了发音词典才好。
金融科普对合规要求高,脚本要逐句过审,系统里的违禁词拦截帮了大忙。AI 标识一直挂在角上,客户那边检查也认可。
跨境场次用的是预生成的多语音轨,西语和英语各一套,按场次切。实时翻译也试过,答疑够用,就是节奏比预生成慢半拍。
教培直播间的问答重复度太高,数字人顶住了八成。剩下的退费和政策问题必须真人答,转人工的触发词设好之后衔接不尴尬。
文旅讲解用数字人做常态介绍,真人导游在高峰时段接深度问题。游客问路线的口语化问法很多,知识库得持续补,不然容易答偏。
大促期间最有用的是多平台同时推流,一套脚本分发到三个直播间,改价格只改一处。就是各平台贴片尺寸不一样,前期排版花了点时间。
以前请主播要提前一周排期,现在临时加播也能开。数字人不会累是真的,但脚本不换会被观众看出来,运营还是得每天动脑子。
保险科普的合规顾问要求所有话术留痕,后台的审核记录和录屏存档正好用得上。这一点比单纯追求开播速度更让我们放心。
形象定制的素材要求写得清楚,第一次拍废了一条,按提示重拍就过了。建模当天出结果,比找外包做三维便宜太多。
一个人管三个日播间,日常没什么压力。大促首日还是得盯着,评论刷得太快,未命中的问题会堆起来,值班的人不能离太远。
后台的数据看板如果能自定义指标就好了,现在默认给的那几项够用,但我们更想看不同时段的进店转化,只能自己导出来算。
断流重连这块做得扎实,写字楼晚上断网一次,恢复之后自动接上了,脚本从当前段落继续,没有从头念一遍。
门店地址和营业时间这类问题最容易被数字人答错,把知识库按门店拆开之后准确率上来了。建议新店上线前先跑一遍问答测试。
从建形象到第一次复盘走完一遍,大概用了三天,其中两天在改脚本。工具本身不复杂,难的是把自己的货讲清楚,这点得有心理准备。