讯飞首发实时生成技术！像真人主播一样临场应变，表情动作实时刷新

数字人已成为企业新的交互入口。

作者 |  程茜

编辑 |  漠影

一块屏、一位数字人，AI 线下新物种正式诞生。屏幕中的数字人不仅能走动带路、实时讲解，还能无缝切换多国语言，按需更换外形与声音，将沉浸式交互体验推向新高度。

这一突破依托于科大讯飞今日推出的数字人全系列产品升级：首发实时生成的超拟人数字人，并对讯飞智作、讯飞 AI 虚拟人交互平台、讯飞绘文进行全面更新。

与传统仅存在于屏幕内的数字人不同，此次升级推出的移动数字人集成了自动引路、避障、声源追踪及多模态感知能力。配合透明屏技术，实现了虚实同步的沉浸式视觉观感，可包揽展厅、门店、展馆等场景的带路、讲解及接待任务，真正让数字人从屏幕走向现实。

讯飞的此次升级折射出行业风向的转变：数字人正从锦上添花的营销工具，逐步演变为企业新的核心交互入口。相比传统的 App、官网或客服电话，更具亲和力且符合沟通习惯的数字人，正成为承接用户咨询、办事、消费及服务的一体化载体。

然而，热潮背后仍面临挑战。当前定制门槛较高，且受限于分段处理技术，数字人常出现对话不稳定、表情偏移、音画错位等问题，导致核心运营数据不及真人，阻碍了规模化落地。讯飞此次升级旨在解决这些痛点，缩小与真人主播的体验差距。

01. 数字人赛道冲上百亿规模，增量空间加速释放

从泸州老窖的数字品鉴师“泸麟儿”到桂林银行的数字理财顾问，案例表明数字人已深入电商直播、企业客服、培训及文旅等多元场景，成为企业对内对外服务的新一代通用交互载体。

数据显示，中国 AI 数字人市场进入高速增长期。弗若斯特沙利文预测，2021-2025 年复合增长率达 52.0%，2030 年市场规模将从 54.4 亿元增长至 153.4 亿元。

随着市场热度高涨，行业评判重心已从外观展示转向真实可用的交互服务能力。尽管数字人具备 7×24 小时值守、话术标准化及 IP 长期复用等商业优势，但机械式讲解、反应延迟、音画不同步以及高昂的定制与运维成本，仍是中小企业布局的主要障碍。

企业降本增效的诉求与数字人技术短板、落地门槛之间仍存在鸿沟。一方面需攻克长效在线稳定度、毫秒级同步联动及空间关系合理性等技术难题；另一方面亟需低门槛、低成本、开箱即用的一体化工具体系。科大讯飞此次全线产品升级，正是为了搭建从技术研发到商业落地的完整通路。

02. 状态稳定、动作协同、自然交互，背后靠三大技术加持

以 7×24 小时在线的旅游主播“寻笙”为例，其举手投足间的松弛感、自然的肢体互动及对直播间气氛的掌控，展示了理想数字人的形态。这标志着数字人技术从“实时驱动、提前生成”迭代为“全链路实时生成”。

该方案的核心在于单张照片即可生成、语义驱动台词表情及无限自由生成动作。支撑这一跨越的是科大讯飞首发的三大技术创新及超拟人语音合成技术。

双时域记忆驱动的长时视频生成技术

针对长时间运行可能出现的形象崩坏问题，该技术将连续视频构建为携带状态记忆的时空序列。通过短期记忆保持帧间连贯性，长期记忆锁定人物特征与场景基底，结合动态状态压缩与关键特征回溯，有效抑制长线推演中的误差累积。

数据引导式低步数流式蒸馏技术

为平衡高画质与低延时，讯飞对视频扩散模型进行少步蒸馏改造。依托教师模型基于真实样本打分校准，引导学生模型贴合真实画面分布。同时，叠加跨视频历史条件与时序一致性约束，通过异构流水线统筹全流程，实现稳定可持续的长时间实时播出。

基于多模感知评价体系的强化学习

为摆脱机械播报，研究人员搭建了囊括文本、语音、图像等多信号的全域评测体系。围绕语义动作对齐、视听自然度等指标核验内容，并转化为强化学习奖励信号，形成“高质量数据 -SFT 学习 - 多模态评价—RL 优化—效果回流”的闭环。

超拟人语音合成技术

在视觉之外，超拟人语音合成技术支持 70 多种语言。通过多模态预训练、声纹特征对齐及多任务强化学习，合成语音从单纯复刻音色升级为贴合语义意图的真实情感表达，精准把控韵律、停连及情绪变化。

从稳定的人物形象到实时自然的交互，再到超拟人发音，讯飞完成了数字人从虚拟交互到沉浸式交流的进阶。

03. 稳定、易用、好用的数字人，才能扛住业务长期营收

好看的 Demo 固然吸睛，但能经受真实业务打磨的数字员工才是商业化关键。随着底层技术成熟，产业重心正转向应用普惠。例如洽洽瓜子 AI 代言人 Chacky，已能独立完成唱跳、拍摄 MV 等复杂任务。

科大讯飞通过 SaaS 化产品降低使用门槛，构建了“底层基座 + 上层应用”的产品体系：

讯飞 AI 虚拟人交互平台（技术底座）

该平台集成语音合成、识别、语义理解及星火大模型能力，无需复杂开发，用户仅需 1 小时配置即可创建对话应用。发布会现场演示的"HR 校招回复”数字人，即可通过选择形象、声音及上传知识库快速生成。

讯飞智作（SaaS 化创作工具）

核心功能是一张照片、一句话即可打造数字分身。新增的 Agent 产品进一步降低门槛：营销 Agent 可通过对话直出短视频；视频 Agent 能一键完成从意图理解、文案撰写到分镜设计、成片交付的全流程。

多元化场景落地

营销场景：中储粮等企业已利用数字人直播带货，配套工具“讯飞绘文”提供电商套图模版及 AI 抠图等功能，补齐图文宣传需求。

培训场景：培训数字人可解析企业资料，生成体系化课程，扮演“人力培训师”进行一对一针对性教学。

交付服务：基于 AI 虚拟人交互平台打造的移动数字人，由专属数字分身与高清透明屏移动底座组成。设备移动时数字人同步迈步，支持多语种对话及高噪环境下的声源锁定，适用于引路、讲解等场景。

历经多行业打磨，科大讯飞这套软硬一体方案已具备成熟的交付运维经验。面向未来，“硬核技术打底 + 轻量化平台承载”将成为数字人规模化普及的标准答案。

04. 结语：数字人赛道的竞争焦点改写，讯飞给出长久立足的标准答案

从讯飞的更新可见，数字人赛道的竞争焦点已变。早年比拼形象精致度的时代已结束，如今行业淘汰赛开启，单点算法优势不再构成壁垒。底层自研技术、一站式交付平台与垂直场景落地经验的整套闭环能力，才是企业的核心护城河。

科大讯飞通过硬核技术拉高体验上限，利用普惠化平台拓宽市场边界，二者结合帮助实体企业跳出同质化低价竞争泥潭，真正将数字人转化为稳定的经营收益。