數(shù)字人直播領(lǐng)域的需求正在飆升，但在選擇適合的數(shù)字人直播產(chǎn)品時(shí)，有一個(gè)不容忽視的問(wèn)題：在某些平臺(tái)上，比如抖音和視頻號(hào)等，數(shù)字人直播可能會(huì)涉及到違規(guī)問(wèn)題。

抖音在今年5月份制定了明確的規(guī)范，盡管承認(rèn)數(shù)字人直播的存在，但同時(shí)也設(shè)立了一些限制。舉例來(lái)說(shuō)，直播畫(huà)面必須清晰標(biāo)明為AI生成的內(nèi)容，而且數(shù)字人必須在一定程度上由人工進(jìn)行操控或者有人工參與，而不允許完全依賴AI驅(qū)動(dòng)。

然而，我們使用數(shù)字人進(jìn)行直播通常是出于實(shí)現(xiàn)無(wú)需人工干預(yù)的自動(dòng)化目的，以實(shí)現(xiàn)成本的降低和效率的提高。因此，我們需要采取各種數(shù)字人防封禁的策略，以確保數(shù)字人直播不會(huì)違反平臺(tái)的規(guī)定。這些策略包括對(duì)畫(huà)面和聲音進(jìn)行調(diào)整，以規(guī)避平臺(tái)的規(guī)則，還包括提高數(shù)字人的互動(dòng)能力。最終的解決方案無(wú)疑是提升AI的高級(jí)互動(dòng)能力，使得平臺(tái)和觀眾都無(wú)法分辨直播主是真人還是數(shù)字人。因此，數(shù)字人直播的競(jìng)爭(zhēng)將主要依賴于AI能力，看哪家數(shù)字人具備最高水平的AI互動(dòng)能力。

在市面上，有四家備受知名的數(shù)字人制造商，它們分別是百度、硅基智能、風(fēng)平智能以及閃剪。我們對(duì)它們進(jìn)行了詳細(xì)的對(duì)比，旨在為有數(shù)字人直播需求的伙伴們提供一些有益的參考。

百度曦靈：優(yōu)化帶貨直播

首先，讓我們來(lái)看看百度曦靈。與其短視頻功能相比，百度曦靈的直播功能相對(duì)更為完善，并且特別為帶貨直播進(jìn)行了優(yōu)化。它能夠通過(guò)文心一言來(lái)生成AI話術(shù)，直接從文案中提取互動(dòng)的問(wèn)題線索，從而顯著減少了人力投入，提高了搭建直播間的效率。然而，它也存在一些不足之處。生成的視頻仍然呈現(xiàn)綠幕的形式，因此需要在直播伴侶中進(jìn)行綠幕摳像并添加背景。這一操作不僅繁瑣，還會(huì)增加直播電腦的CPU負(fù)擔(dān)。如果電腦配置不夠高，可能會(huì)導(dǎo)致直播幀率下降，甚至出現(xiàn)卡頓情況。

此外，在開(kāi)始直播時(shí)，百度靈犀云端版只提供了一種導(dǎo)入直播伴侶的方法，即“窗口捕獲”。這意味著曦靈會(huì)單獨(dú)彈出一個(gè)網(wǎng)頁(yè)窗口頁(yè)面，然后使用直播伴侶的“窗口捕獲”功能來(lái)獲取畫(huà)面源。這種方式可能會(huì)增加平臺(tái)判定違規(guī)的風(fēng)險(xiǎn)。因?yàn)槔碚撋?，各個(gè)平臺(tái)的直播伴侶可能具備一定的內(nèi)容甄別功能，如果直播內(nèi)容是從一個(gè)窗口中獲取的，而不是從硬件攝像頭設(shè)備中獲取的，那么理論上容易被視為錄播內(nèi)容。

硅基智能和風(fēng)平智能：防封禁策略和直播交互能力

接下來(lái)，讓我們來(lái)看看硅基智能和風(fēng)平智能。它們是四家數(shù)字人平臺(tái)中在直播功能方面表現(xiàn)最出色的兩家公司。小播秀和風(fēng)平IP智造在防封禁方面進(jìn)行了大量嘗試，并開(kāi)發(fā)了一些功能措施。

小播秀

重點(diǎn)是直播交互能力，「小播秀」和「風(fēng)平IP智造」都支持自動(dòng)應(yīng)答、自動(dòng)回復(fù)功能，也都支持插播和真人接管功能。自動(dòng)回復(fù)方面，兩家都可以支持插播功能，就是在直播過(guò)程中，可以根據(jù)直播的情況，可以隨時(shí)通過(guò)文本驅(qū)動(dòng)數(shù)字人，臨時(shí)插入任意新加入的內(nèi)容。

還有真人接管功能，得益于實(shí)時(shí)驅(qū)動(dòng)能力，「小播秀」和「風(fēng)平IP智造」可以用真人說(shuō)話來(lái)實(shí)時(shí)驅(qū)動(dòng)數(shù)字人。從抖音平臺(tái)的規(guī)范看，這種就屬于人工驅(qū)動(dòng)的數(shù)字人，是規(guī)則被允許的不屬于違規(guī)行為。其實(shí)這算是一個(gè)悖論，用數(shù)字人的目的是省去人工，但為了符合平臺(tái)要求而用人工驅(qū)動(dòng)數(shù)字人，又偏離了AI數(shù)字人節(jié)省人工成本的目的。

而「小播秀」和「風(fēng)平IP智造」加入這個(gè)功能的初衷，更多的是在數(shù)字人直播中如果出現(xiàn)一些特殊情況，可以人工接管進(jìn)行應(yīng)對(duì)。

風(fēng)平IP智造

閃剪：基礎(chǔ)互動(dòng)能力和實(shí)時(shí)驅(qū)動(dòng)

"閃剪智播"的直播和互動(dòng)能力相對(duì)較為初級(jí)，缺乏一些高級(jí)功能。首先，"閃剪智播"是四款產(chǎn)品中唯一不支持實(shí)時(shí)驅(qū)動(dòng)的數(shù)字人直播產(chǎn)品。簡(jiǎn)而言之，創(chuàng)建新的話術(shù)需要先提交訓(xùn)練，然后才能在訓(xùn)練完成后直播使用。這意味著數(shù)字人的話術(shù)需要提前生成為視頻，然后在直播時(shí)播放。這種方式存在一些不足之處。首先，訓(xùn)練需要花費(fèi)時(shí)間，因此在開(kāi)播前建議提前一天進(jìn)行訓(xùn)練。如果在訓(xùn)練完成后發(fā)現(xiàn)話術(shù)錯(cuò)誤并需要進(jìn)行修改，將會(huì)打亂直播計(jì)劃，并且會(huì)消耗合成時(shí)間。另外，如果直播需要暫停，數(shù)字人將完全靜止不動(dòng)。

與實(shí)時(shí)驅(qū)動(dòng)的數(shù)字人相比，無(wú)需預(yù)先訓(xùn)練也無(wú)需等待，新插入的文案話術(shù)都可以直接用于直播。如果話術(shù)需要修改，也可以直接進(jìn)行更改，無(wú)需等待重新訓(xùn)練。此外，還有一個(gè)小優(yōu)點(diǎn)，就是在直播中如果需要暫停，數(shù)字人也只會(huì)閉嘴不說(shuō)話，但身體動(dòng)作會(huì)繼續(xù)，增加了直播的流暢性和真實(shí)感。

綜合來(lái)說(shuō)，如果您需要高度的互動(dòng)性和防封禁策略，硅基智能和風(fēng)平智能可能是更好的選擇。如果您更關(guān)注帶貨直播并且愿意處理綠幕視頻，百度曦靈也是一個(gè)不錯(cuò)的選項(xiàng)。閃剪則適合那些對(duì)互動(dòng)性要求不太高，可以接受基本互動(dòng)功能的用戶。