Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

数字人

Answer

数字人是运用数字技术创造出来的人，虽现阶段不能如科幻作品中的人型机器人般高度智能，但已在各类生活场景中常见，且随着 AI 技术发展正迎来应用爆发。目前业界对其尚无准确定义，一般可依技术栈分为真人驱动和算法驱动两类。

真人驱动的数字人重在通过动捕设备或视觉算法还原真人动作表情，主要用于影视行业及直播带货，其表现质量与手动建模精细度及动捕设备精密程度直接相关，不过视觉算法进步使在无昂贵动捕设备时，通过摄像头捕捉人体骨骼和人脸关键点信息也能有不错效果。

制作数字人的工具主要有：

  1. HeyGen：AI 驱动的平台，能创建逼真数字人脸和角色，使用深度学习算法生成高质量肖像和角色模型，适用于游戏、电影和虚拟现实等。
  2. Synthesia：AI 视频制作平台，可创建虚拟角色并进行语音和口型同步，支持多种语言，用于教育视频、营销内容和虚拟助手等场景。
  3. D-ID：提供 AI 拟真人视频产品服务和开发，上传人像照片和输入内容，平台的 AI 语音机器人自动转换成语音并合成逼真会说话的视频。

更多数字人工具请访问网站查看：https://www.waytoagi.com/category/42 。使用这些工具时，请遵守相关使用条款和隐私政策，注意生成内容的版权和伦理责任。

以下是一些包含数字人的节目单示例：

  1. 节目“猜真人”：魔术互动类表演，2 个、8 个数字分身，猜哪个是真正的我，用到 AI 数字人技术。
  2. 节目“亲情的应用场景（逝者）”：女儿打扫房间扫到去世父亲的二维码再次对话，涉及 AI 分身的积累准备。
  3. 节目“AI 转绘”：经典电影混剪，包括短片素材、AI 转绘、Lora 等技术。
  4. 节目“AI 贺岁”：晚会中场致谢，包含共创团队记录、新年祝福等。
  5. 节目“打工人共情”：涉及 AI 素材、共情脚本、炫技视频剪辑等。
Content generated by AI large model, please carefully verify (powered by aily)

References

AI 数字人-定义数字世界中的你

数字人，是指运用数字技术创造出来的人，虽然在现阶段不能做到像科幻作品中的人型机器人一样具备高度智能，但它已经在生活的各类场景中触手可及，而且随着AI技术的发展，也正在迎来应用爆发。目前业界还没有一个关于数字人的准确定义，但一般可以根据技术栈的不同分为两类，一类是由真人驱动的数字人，另一类是由算法驱动的数字人。[heading4]1.1真人驱动的数字人[content]这类数字人重在通过动捕设备或视觉算法还原真人动作表情，主要应用于影视行业以及现下很火热的直播带货，其表现质量与手动建模的精细程度及动捕设备的精密程度直接相关，不过随着视觉算法的不断进步，现在在没有昂贵动捕设备的情况下也可以通过摄像头捕捉到人体骨骼和人脸的关键点信息，从而做到不错的效果。

问：有哪些制作数字人的工具

制作数字人（Digital Human）的工具主要是指那些能够创建虚拟角色、虚拟形象或者虚拟代言人的软件和技术。以下是几个可以用来制作数字人的工具：1.HeyGen：HeyGen是一个AI驱动的平台，可以创建逼真的数字人脸和角色。它使用深度学习算法来生成高质量的肖像和角色模型，适用于游戏、电影和虚拟现实等应用。2.Synthesia：Synthesia是一个AI视频制作平台，允许用户创建虚拟角色并进行语音和口型同步。它支持多种语言，并可以用于教育视频、营销内容和虚拟助手等场景。3.D-ID：D-ID是一家提供AI拟真人视频产品服务和开发的公司，只需上传人像照片和输入要说的内容，平台提供的AI语音机器人将自动转换成语音，然后就能合成一段非常逼真的会开口说话的视频。更多数字人工具请访问网站查看：https://www.waytoagi.com/category/42请注意，这些工具的具体功能和可用性可能会随着时间和技术的发展而变化。在使用这些工具时，请确保遵守相关的使用条款和隐私政策，并注意保持对生成内容的版权和伦理责任。内容由AI大模型生成，请仔细甄别。类似问题：对口型的软件有哪些？

节目单

|序号|节目介绍（待优化）|内容简介|目的|需求内容（重点标红）|需求技术（排序有先后）|参考|申请负责人（可追加）|意见反馈||-|-|-|-|-|-|-|-|-||17|猜真人|2个，8个，数字分身，哪个是真正的我？|魔术互动类表演|数字人|AI数字人|heygen官网视频||||18|亲情的应用场景（逝者）|女儿打扫房间，扫到去世父亲的二维码，<br>再次对话|AI分身的积累准备<br>我觉得越早越好|故事脚本<br>实拍小组<br>AI结合||数字墓园||||19|AI转绘|最酷的电影我们翻个遍|经典电影混剪一遍？|1、短片素材<br>2、AI转绘<br>3、Lora||||||20|AI贺岁|晚会到了一半，感谢支持，数字人与团队|中场致谢|1、共创团队的记录<br>2、大家的感谢<br>3、新年祝福||暂停，下面上提，不要让人以为结束了。||||21|打工人共情|听说35会被开除，但背锅让我想25就离职|年会不能停类似，要更好|1、AI素材<br>2、共情脚本，一年付出值得<br>3、炫技视频剪辑||年会不能停|||

Others are asking
如何构建一个AI数字人分身
构建一个 AI 数字人分身主要包括以下两个方面： 一、构建数字人躯壳 数字人的躯壳建模有多种方式： 1. 2D 引擎：风格偏向二次元，亲和力强，定制化成本低，在日本、东南亚等国家比较受欢迎，也深受年轻人喜欢。能将喜欢的动漫人物变成数字人的躯壳。代表是 Live2D Cubism。 2. 3D 引擎：风格偏向超写实的人物建模，拟真程度高，定制化成本高。目前有很多公司都在做这个方向的创业，已经可以实现用户通过手机摄像头快速创建一个自己的虚拟人身体。如 NextHuman、Unity，虚幻引擎 MetaHuman 等。但个人学习在电脑配置和学习难度上有一定门槛。 3. AIGC：虽然省去了建模流程，直接生成数字人的展示图片，但弊端也明显，算法生成的数字人很难保持 ID 一致性，帧与帧的连贯性上会让人有虚假的感觉。如果项目对人物模型真实度要求没有那么高，可以使用这种方案。典型的项目有 wav2lip等。AIGC 还有一个方向是直接生成 2d/3d 引擎的模型，而不是直接生成数字人的最终展示部分，但该方向还在探索中。 建好的模型可以使用 web 前端页面（Live2D 就提供了 web 端的 SDK）或者 Native 的可执行程序进行部署，最后呈现在用户面前的是一个 GUI。 二、构建数字人灵魂 有了数字人躯壳，还需要构建数字人的灵魂，让数字人具备各种智能，比如记得个人信息，充当个人助手；在某个领域具备更专业的知识；能处理复杂的任务等等。实现这些能力有以下几个工程关键点： 1. AI Agent：要想数字人像人一样思考就需要写一个像人一样的 Agent，工程实现所需的记忆模块，工作流模块、各种工具调用模块的构建都是挑战。 2. 驱动躯壳的实现：灵魂部分通过接口定义，躯壳部分通过 API 调用，调用方式可以是 HTTP、webSocket 等，视躯壳部分的实现而定。但包含情绪的语音表达以及如何保证躯壳的口型、表情、动作和语音的同步及匹配，目前主流方案只能做到预设一些表情动作，再做一些逻辑判断来播放预设，语音驱动口型相对来说成熟一些，但都是闭源的，效果可以参考 Nvidia 的 Audio2Face。 3. 实时性：由于整个数字人的算法部分组成庞大，几乎不能实现单机部署，特别是大模型部分，所以算法一般会部署到额外的集群或者调用提供出来的 API，这里面就会涉及到网络耗时和模型推理耗时，如果响应太慢就会体验很差，所以低延时也是亟需解决的一个问题。 4. 多元跨模态：仅仅是语音交互的数字人是远远不够的，人有五感（听觉、视觉、嗅觉、触觉、味觉），听觉只是其中一种，其他的感官可以根据实际需求来做，比如视觉可以通过添加摄像头数据来获取数据，再通过系列 CV 算法做图像解析等。 5. 拟人化场景：正常和人交流的时候不是线性对话，会有插话、转移话题等情况，这些情景需要通过工程丝滑处理。
2025-01-03
AI数字人
AI 数字人是运用数字技术创造出来的人，虽现阶段不能如科幻作品中的人型机器人般高度智能，但已在生活各类场景中常见，且随 AI 技术发展正迎来应用爆发。目前业界尚无关于数字人的准确定义，一般可根据技术栈不同分为两类： 1. 真人驱动的数字人：重在通过动捕设备或视觉算法还原真人动作表情，主要应用于影视行业及直播带货。其表现质量与手动建模精细程度及动捕设备精密程度直接相关，不过随视觉算法进步，在无昂贵动捕设备时也可通过摄像头捕捉人体骨骼和人脸关键点信息实现不错效果。 2. 算法驱动的数字人：强调自驱动，人为干预更少，技术实现更复杂。一个最简单的算法驱动数字人大致流程包含三个核心算法： ASR（Automatic Speech Recognition，语音识别）：能将用户音频数据转化为文字，便于数字人理解和生成回应。开源代码如 openai 的 whisper（https://github.com/openai/whisper）、wenet（https://github.com/wenete2e/wenet）、speech_recognition（https://github.com/Uberi/speech_recognition）。 AI Agent（人工智能体）：充当数字人大脑，可接入大语言模型，如 ChatGPT、Claude、ChatGLM、文星一言、千帆大模型、通义千问等。Agent 部分可用 LangChain 模块自定义（https://www.langchain.com/）。 TTS（Text to Speech，文字转语音）：将数字人依靠 LLM 生成的输出文字转换为语音。开源代码如微软的 edgetts（https://github.com/rany2/edgetts），只能使用预设人物声音且接口免费；VITS（https://github.com/jaywalnut310/vits）及其分支版本，可自己训练想要的人声；sovitssvc（https://github.com/svcdevelopteam/sovitssvc）专注于唱歌。 除算法外，人物建模模型可通过手动建模（音频驱动）或 AIGC 方式生成人物动态效果（如 wav2lip 模型）实现一个最简单的数字人，但这种简单构建方式存在诸多问题，如如何生成指定人物声音、TTS 生成的音频如何精确驱动数字人口型及动作、数字人如何使用知识库做出某个领域的专业性回答等。
2025-01-03
数字员工
数字员工是基于大语言模型为大脑，串联所有已有的工具和新造的 AI 工具的智能体。 在成为基于 Agent 的创造者方面，数字员工的学习路径为：数字员工（agent）=学历（大模型）+察言观色（观察）+逻辑思维（推理）+执行（SOP）。创造者的学习也依照这个方向，用大模型和 Agent 模式把工具串起来，着重关注在创造能落地 AI 的 agent 应用。大模型的开发研究和演进，交给学术界和大厂。 Agent 工程（基础版）如同传统的软件工程学，有一个迭代的范式： 1. 梳理流程：梳理工作流程 SOP，并拆解成多个单一「任务」和多个「任务执行流程」。 2. 「任务」工具化：自动化每一个「任务」，形成一系列的小工具，让机器能完成每一个单一任务。 3. 建立规划：串联工具，基于 agent 框架让 bot 来规划「任务执行流程」。 4. 迭代优化：不停迭代优化「任务」工具和「任务执行流程」规划，造就能应对实际场景的 Agent。 在摊位信息方面，有关于数字员工的摊位，其主题为“AI 数字员工”，内容为为企业和个人提供数字劳动力，解决重复性、创意性工作难题。体验 demo 包括抖音运营、AI 客服、智能问诊、企业定制员工、定制知识库。 在招聘信息方面，序智科技基于大模型技术打造数字劳动力（AlAgent）平台，招聘后端开发工程师和前端开发工程师等。后端开发工程师需要参与公司后端服务的设计、开发和维护，优化后端架构，提升系统性能和稳定性等。要求具备计算机相关专业本科及以上学历，3 年以上后端开发经验等。
2025-01-03
有哪些AI数字人口播工具？
以下是一些常见的 AI 数字人口播工具： 1. TecCreative： 只需输入口播文案，选择期望生成的数字人形象及目标语言，即可生成数字人口播视频。操作指引：输入口播文案——选择目标语言——选择数字人角色——选择输出类型——点击开始生成。 支持图片换脸，仅需上传原始图片和换脸图片，操作指引：上传原始图片——上传换脸图片——点击开始生成。图片大小上限 5M，支持 JPG、PNG 格式。 支持视频换脸，操作指引：上传原始视频——上传换脸图片——点击生成。 支持音频合成数字人，只需上传音频文件，工具支持使用 100+数字人模板。操作指引：上传音频文件——选择数字人角色——选择输出类型——点击开始生成。注意：音频文件支持 MP3 和 WAV 格式，文件大小上限 5M。 提供多语种（包含菲律宾语、印地语、马来语等小语种）智能配音，操作指引：输入需配音文案——选择音色——点击立即生成。注意：输入的配音文案需和选择音色语种保持一致。 智能识别视频语言并生成对应字幕，操作指引：点击上传视频——开始生成——字幕解析完成——下载 SRT 字幕。注意：支持 MP4 文件类型，大小上限为 50M。 2. HeyGen：是一个 AI 驱动的平台，可以创建逼真的数字人脸和角色。使用深度学习算法来生成高质量的肖像和角色模型，适用于游戏、电影和虚拟现实等应用。 3. Synthesia：是一个 AI 视频制作平台，允许用户创建虚拟角色并进行语音和口型同步。支持多种语言，并可以用于教育视频、营销内容和虚拟助手等场景。 4. DID：是一家提供 AI 拟真人视频产品服务和开发的公司，只需上传人像照片和输入要说的内容，平台提供的 AI 语音机器人将自动转换成语音，然后就能合成一段非常逼真的会开口说话的视频。 更多数字人工具请访问网站查看：https://www.waytoagi.com/category/42 。请注意，这些工具的具体功能和可用性可能会随着时间和技术的发展而变化。在使用这些工具时，请确保遵守相关的使用条款和隐私政策，并注意保持对生成内容的版权和伦理责任。 此外，还有适合小白用户的开源数字人工具，如： 特点：一键安装包，无需配置环境，简单易用。 功能：生成数字人视频，支持语音合成和声音克隆，操作界面中英文可选。 系统兼容：支持 Windows、Linux、macOS。 模型支持：MuseTalk（文本到语音）、CosyVoice（语音克隆）。 使用步骤：下载 8G+3G 语音模型包，启动模型即可。 GitHub： 官网：
2025-01-02
数字孪生的关键技术
数字孪生的关键技术包括以下方面： 利用定制软件实现工厂的数字孪生，如 Wistron 利用 Omniverse SDK 定制软件将 NVIDIA DGX 和 HGX 工厂实现数字孪生，大幅缩短调试周期。 运用生成式 AI 进行天气预测，如 CoreDev 可通过超高分辨率 AI 预测严重风暴。 构建端到端的机器人系统，让 AI 理解物理世界，需要 AI 计算机、监测分析计算机和执行任务的机器人三位一体。 提供模拟环境，如 Omniverse 提供模拟环境，教会机器人如何成为机器人。 实现软件定义的仓储、工厂，让机器人自主协同工作。 解决数字人构建中的工程关键点，如构建像人一样思考的 AI Agent、实现灵魂驱动躯壳、保证实时性、实现多元跨模态、处理拟人化场景等。
2025-01-02
数字人制作
以下是一些制作数字人的工具及相关介绍： 1. HeyGen：这是一个 AI 驱动的平台，能创建逼真的数字人脸和角色。使用深度学习算法生成高质量肖像和角色模型，适用于游戏、电影和虚拟现实等。优点是人物灵活、五官自然、视频生成快；缺点是中文人声选择较少。使用方法为点击网址注册后，进入数字人制作，选择 Photo Avatar 上传自己的照片，上传后效果在 My Avatar 处显示，点开大图后，点击 Create with AI Studio 进入数字人制作，写上视频文案并选择配音音色，也可自行上传音频，最后点击 Submit 得到数字人视频。 2. Synthesia：这是一个 AI 视频制作平台，允许用户创建虚拟角色并进行语音和口型同步，支持多种语言，可用于教育视频、营销内容和虚拟助手等场景。 3. DID：这是一家提供 AI 拟真人视频产品服务和开发的公司，只需上传人像照片和输入要说的内容，平台提供的 AI 语音机器人将自动转换成语音，然后合成逼真的会开口说话的视频。优点是制作简单、人物灵活；缺点是为防止侵权，免费版下载后有水印。使用方法为点击网址，点击右上角的 Create vedio，选择人物形象，可点击 ADD 添加照片或使用给出的人物形象，配音时可选择提供文字选择音色或直接上传音频，最后点击 Generate vedio 生成视频，打开生成的视频可下载或分享。 4. KreadoAI：优点是免费、功能齐全；缺点是音色很 AI。使用方法为点击网址注册后获得 120 免费 k 币，选择“照片数字人口播”功能，点击开始创作，选择自定义照片，配音时可选择提供文字选择音色或直接上传音频，打开绿幕按钮，点击背景添加背景图，最后点击生成视频。 此外，在剪映中也可制作数字人。在剪映右侧窗口顶部打开“数字人”选项，选取免费且适合的数字人形象，如“婉婉青春”，软件会播放数字人声音，判断合适后点击右下角“添加数字人”添加到当前视频中，剪映会生成对应音视频并添加到轨道中。还可增加背景图片，删除先前导入的文本内容，点击左上角“媒体”菜单并点击“导入”按钮选择本地图片上传，将图片添加到视频轨道上，拖动轨道最右侧竖线与视频对齐，选中背景图轨道，拖动角放大图片并将数字人拖动到合适位置。 更多数字人工具请访问网站查看：https://www.waytoagi.com/category/42 。请注意，这些工具的具体功能和可用性可能会随时间和技术发展而变化。在使用这些工具时，请确保遵守相关使用条款和隐私政策，并注意保持对生成内容的版权和伦理责任。内容由 AI 大模型生成，请仔细甄别。
2025-01-01