AI数字人直播助手

以下条件来自现有产品说明，适用于该资料所示版本，不是对所有版本和直播任务的统一性能保证。

CPU：Intel i5 或同等级 AMD 处理器。 内存：32 GB 或以上；原资料说明较大的内存可支持较长的形象录制视频。 操作系统：Windows 11。 显卡：NVIDIA 显卡，8 GB 或以上显存。如果使用本地 CosyVoice 声音克隆系统，原资料要求至少 12 GB 显存。 硬盘：固态硬盘，至少 50 GB 剩余空间。

录制约 15 秒至 5 分钟的真人主播视频，再上传到系统进行形象数字化定制。实际可用长度与电脑配置有关，原资料特别提到内存大小的影响。

使用自己的形象，或已经获得相应授权的素材。原文配有形象定制界面，但没有展开全部录制参数和上传选项，本节不补写未出现的设置。

可以创建多个直播场景，为每个场景设置不同的话术。话术中的每句话都可以使用 AI 大模型进行多次改写，播报时从对应的改写内容中随机选择。

每个直播场景可以配置不同的图片或视频背景。在原资料介绍的直播流程中，背景可跟随当前介绍的产品切换。

准备时分别检查场景、话术与背景的对应关系，避免切换场景后仍使用不匹配的产品内容。

原资料列出的互动功能包括直播间关键词互动、弹幕 AI 互动、定时报时、商品弹窗和新人欢迎。

配图展示了关键词与话术的对应配置。应按实际直播内容准备相应回复，检查关键词触发与播报内容是否正确。原文没有给出各直播平台的完整授权接入流程，不据此承诺任意平台均可接入。

通过自定义声音服务配置，可对接原资料列出的 GPT-SoVITS、CosyVoice、F5-TTS、Index-TTS 等声音克隆或合成系统。具体需要对应服务提供可调用的接口，并与实际版本兼容。

GPT-SoVITS 配图包含服务类型、服务地址、语速、参考音频路径、参考音频对应文本，以及 GPT 与 SoVITS 模型权重路径。按已经部署好的声音服务填写；参考文本应与参考音频对应。

另一类本地声音服务配图包含服务地址、服务端口、发声人和语音风格。完成对应配置后保存。示例服务地址和参考音频只是原图中的演示值，不应直接当作自己的服务配置。

原资料列出了阿里云通义千问、百度文心一言和本地 Dify 接口，用于按直播需求配置 AI 互动。

通义千问示例界面包含应用 ID 和 API Key。文心一言示例包含 API Key 和 Secret Key。Dify 示例包含 URL 和 API Key。

选择需要的平台，填写自己有权使用的服务参数后保存。截图中的数字为演示占位值，不能作为可用密钥使用，也不要把真实密钥放入公开介绍或截图。

原资料中的麦克风驱动模式使用声音驱动数字人口型，也支持真人说话时驱动已准备的数字形象。使用他人主播形象时应先获得相应授权。

配图中先填写数字人服务地址，地址末尾需要保留“/”。再从“切换麦克风”中选择输入设备，点击“开启”开始，点击“停止”结束。

如果列表没有显示麦克风，原图提示先点击“开启”，在正常权限提示中授予所需麦克风访问权限，然后点击“拉取麦克风设备”重新读取列表。

原文提及将这一方式与 PC 或 App 直播系统衔接，但没有提供逐个平台的完整接入和兼容性验证；具体终端和平台支持以实际版本为准。