数字人 的供应商

上述种种，如果都要自建代码实现各模块，开发工作量巨大，迭代难度也很高，对于个人开发者来讲不现实。因此我们推荐借助开源社区的力量，现在开源社区已经有了像dify、fastgpt等等成熟的高质量AI编排框架，它们有大量的开源工作者维护，集成各种主流的模型供应商、工具以及算法实现等等。我们可以通过这些框架快速编排出自己的AI Agent，赋予数字人灵魂。在笔者的开源项目中，使用了dify的框架，利用其编排和可视化交互任意修改流程，构造不同的AI Agent，并且实现相对复杂的功能，比如知识库的搭建、工具的使用等都无需任何的编码和重新部署工作。同时Dify的API暴露了audio-to-text和text-to-audio两个接口，基于这个两个接口就可以将数字人的语音识别和语音生成都交由Dify控制，从而低门槛做出来自己高度定制化的数字人（如下图），具体的部署过程参考B站视频：https://www.bilibili.com/video/BV1kZWvesE25。如果有更加高度定制的模型，也可以在Dify中接入XInference等模型管理平台，然后部署自己的模型。此外，数字人GUI工程中仍然保留了LLM、ASR、TTS、Agent等多个模块，能够保持更好的扩展，比如实现更加真实性感的语音转换、或者如果有更加Geek的Agent实现也可以选择直接后端编码扩展实现。上述Dify接口使用注意事项：1.使必须在应用编排功能中打开文字转语音和语音转文字功能，否则接口会返回未使能的错误。2.只有接入了支持TTS和SPEECH2TEXT的模型供应商，才会在功能板块中展示出来，Dify的模型供应商图标下标签有展示该供应商支持哪些功能，这里可以自行选择自己方便使用的。对于TTS，不同的模型供应商支持的语音人物不同，可以根据个人喜好添加。

AI类厂商商汤：[SenseMARS DigitalHuman](https://www.sensetime.com/cn/product-detail?categoryId=163&gioNav=1)竹间：[Bot Factory对话AI平台](https://www.emotibot.com/product/bot_avatar.html)出门问问：[奇妙元](https://www.weta365.com/)追一：[多模态数字人](https://zhuiyi.ai/product/digital-human)其他数字王国：[虚拟人实验室](https://digitaldomain.com/%e8%99%9a%e6%8b%9f%e4%ba%ba%e5%ae%9e%e9%aa%8c%e5%ae%a4/?lang=zh-hans)

1.直接卖数字人工具软件。分实时驱动和非实时驱动两类，实时驱动在直播时能改音频话术，真人接管。市面价格在一年4-6万往上（标准零售价）。非实时一个月600元，效果很差，类似放视频的伪直播，市场价格混乱，靠发展代理割韭菜。2.提供数字人运营服务，按直播间成交额抽佣。[heading2]AI直播卖货适用品类和场景？[content]1.适用于不需要强展示的商品，如品牌食品饮料。如果服装就搞不了，过品快，衣服建模成本高。2.适用于虚拟商品，如门票、优惠券等。3.不适用于促销场景，这涉及主播话术、套路，调动直播间氛围能力等。4.电商直播分为达播跟店播，数字人直播跑下来效果最好的是店播，数据基本能保持跟真人一样（朋友公司数据）。[heading2]AI直播的壁垒和未来市场格局是什么？[content]1.时间拉长，技术上没壁垒。但目前看仍有技术门槛，单纯靠开源算法拼的东西，实时性、可用性不高。比如更真实的对口型，更低的响应延迟等。2.不会一家独大，可能4-5家一线效果，大多二三线效果公司。因为它只是工具，迁移成本低。3.真正把客户服务好，能规模化扩张的公司更有价值。疯狂扩代理割韭菜，不考虑客户效果的公司，售后问题很麻烦。4.有资源、有业务的大平台下场，可能会带来降维打击，例如剪映马上要做，如果不仅提供数字人，还提供货品供应链、数据复盘分析等等，全环节打通会绑定商家，很难打。