億邦智庫一知智能-計算機互聯(lián)網(wǎng)行業(yè)：2023數(shù)字人直播應(yīng)用發(fā)展報告

數(shù)字人是指以數(shù)字形式存在于數(shù)字空間中的虛擬人物。隨著數(shù)字人技術(shù)的不斷升級和產(chǎn)品的不斷演進，應(yīng)用場景持續(xù)拓展，其中，服務(wù)型數(shù)字人是指以數(shù)字形式存在于數(shù)字空間中的虛擬人物。隨著數(shù)字人技術(shù)的不斷升級和產(chǎn)品的不斷演進，應(yīng)用場景持續(xù)拓展，其中，服務(wù)型數(shù)字人，又被稱為虛擬形象、數(shù)字虛擬人或虛擬數(shù)字人，是以數(shù)字形式存在于數(shù)字空間中的虛擬人物。隨著CG技術(shù)、動捕技術(shù)以及語高度擬人化高度擬人化高度擬人化肢體與語言語言流暢、交肢體與語言企業(yè)官網(wǎng)APP實體門店直播電商替代真人完成主持工作替代真人提供客服服務(wù)替代真人承擔(dān)介紹、直播帶貨主播角色服務(wù)型數(shù)字人擁有高度擬人的外貌，常被用于替代客服、主持人及主播等角色，為消費者提供咨詢、解答等服務(wù)形象特點鮮明故事化人格粉絲吸引粉絲經(jīng)濟人格型數(shù)字人通常應(yīng)用于文化娛樂和品牌營銷等領(lǐng)域。這類數(shù)字人以特定角色的外貌和外觀為基礎(chǔ)，以獨特的個性特征為特點，通過激發(fā)受眾情感共鳴持續(xù)吸引粉絲，創(chuàng)造粉絲價值超寫實且非交形象多樣化高度符合品牌服務(wù)型數(shù)字人粉絲吸引形成粉絲價值塑造品牌形象型數(shù)字人人格33消費品牌直播間教育培訓(xùn)直播間2023受觀眾喜愛的虛擬主播類型服務(wù)型數(shù)字人應(yīng)用于多種直播場景，用戶關(guān)注度提升消費品牌直播間教育培訓(xùn)直播間2023受觀眾喜愛的虛擬主播類型服務(wù)型數(shù)字人主要包括虛擬主播及虛擬主持人等，該類數(shù)字人主要應(yīng)用于消費品牌直播間、本地生活服務(wù)直播間、知識付費直播間甚至是工廠數(shù)據(jù)顯示，目前已有51.8%的觀眾喜愛直播帶貨類數(shù)字人。0201中國網(wǎng)民對數(shù)字人的關(guān)注度提升，對虛擬主播有較高喜愛度0201中國網(wǎng)民對數(shù)字人的關(guān)注度提升，對虛擬主播有較高喜愛度2021-2022中國網(wǎng)民對虛擬人的了解和關(guān)注程度本地生活服務(wù)本地生活服務(wù)直播間教育培訓(xùn)類直播帶貨類唱歌類聊天類游戲類數(shù)字人直播優(yōu)勢直播痛點數(shù)字人直播優(yōu)勢凸顯，助力商家重心轉(zhuǎn)向貨品運營數(shù)字人直播優(yōu)勢直播痛點數(shù)字人直播具有冷啟動成本低、經(jīng)濟高效運營、無需主播培訓(xùn)、無需技術(shù)知識且隨時可用等多重優(yōu)勢，能夠有效解決商家在直播領(lǐng)域面臨的數(shù)字人直播助力商家重心轉(zhuǎn)向貨品運營主播價格增加，運營成本增長達播“人帶貨”數(shù)字人直播降低對主播的依賴數(shù)字人直播輔助真人，降低直播運營對主播的依賴程度直播重心轉(zhuǎn)向貨品5數(shù)字人直播目前可分為全無人直播和半無人直全無人直播全無人直播無人參與成本更低數(shù)字人解說視頻背景和圖片內(nèi)產(chǎn)品助播參與效果更好數(shù)字人解說，真人助播輔助展示全無人直播和半無人直播對比全無人直播和半無人直播對比人工智能標準化回復(fù)，準確性強標品銷售/閑時直播真人助播展示產(chǎn)品真人助播可根據(jù)實際情況調(diào)整數(shù)字人直播節(jié)奏數(shù)字人主播數(shù)字人主播數(shù)字人根據(jù)預(yù)設(shè)腳本進行直播真人助播回復(fù)，互動性較強全無人直播半無人直播廣泛適用 數(shù)字人直播落地所遇 數(shù)字人直播落地所遇機遇與挑戰(zhàn)制，推動商家傳播出更好的內(nèi)容、產(chǎn)品和品牌，將直播的焦點聚焦“貨”上。然而，在當前技術(shù)發(fā)展階段，數(shù)字人直播仍然面臨能力局限數(shù)字人直播一站式服務(wù)簡化運營流程，推動直播成本大幅降低數(shù)字人直播應(yīng)用腳本內(nèi)容由AIGC和ChatGPT輔助準備，無需大量腳本撰寫工作數(shù)字人定制形象代替真人主播實時互動能力替代部分場控、運營僅需一臺電腦和通暢網(wǎng)絡(luò)，無需復(fù)雜拍攝設(shè)備數(shù)字人全無人直播數(shù)字人半無人直播數(shù)據(jù)來源：億邦智庫調(diào)研、網(wǎng)絡(luò)公開數(shù)據(jù)8數(shù)字人直播持續(xù)輸出內(nèi)容，吸引更多流量數(shù)字人直播可以幫助商家吸引更多流量，撬動消費者瞬間注意力資源。近年來，消費者使用短視頻、直播平臺的時間越來越場，他們更愿意在數(shù)字人直播能夠?qū)崿F(xiàn)長時間、不間斷內(nèi)容輸出，幫助商家吸引流量。2020-2022網(wǎng)絡(luò)直播、短視頻人均單日使用時長2020-2022網(wǎng)絡(luò)直播、短視頻人均單日使用時長0消費者更愿意在直播平臺獲得信息，但停留時間縮短，消費者線上平均停留時間約為30-40秒消費者使用直播平臺的時長持續(xù)增加，愿意在直播獲得信息數(shù)字人直播能夠?qū)崿F(xiàn)數(shù)字人直播能夠?qū)崿F(xiàn)低成本、長時間的直播虛擬人直播間持續(xù)不斷內(nèi)容輸出虛擬人直播間持續(xù)不斷內(nèi)容輸出吸引更多流量直播時長實現(xiàn)24小時“日不落”9高擬真優(yōu)質(zhì)直播間體驗多語言滿足海內(nèi)外觀眾需求支持多種語言傳播更廣泛7*24H不間斷直播數(shù)字人直播高度擬真肢體行動擬真數(shù)字人直播突破物理限制，助力好內(nèi)容、好產(chǎn)品、好品牌廣泛傳播高擬真優(yōu)質(zhì)直播間體驗多語言滿足海內(nèi)外觀眾需求支持多種語言傳播更廣泛7*24H不間斷直播數(shù)字人直播高度擬真肢體行動擬真數(shù)字人直播突破場地語言數(shù)字人直播突破場地語言限制.傳統(tǒng)直播帶貨模式以主播為核心，基于“人帶貨”的運營理念，憑借其個人魅力和能力來提升直播間的銷售效果。數(shù)字人直播時，用數(shù)字人替數(shù)字人直播人貨數(shù)字人產(chǎn)品落地仍存三大挑戰(zhàn)盡管數(shù)字人直播擁有顯著的優(yōu)勢，但其應(yīng)用仍然面臨三大關(guān)鍵挑戰(zhàn)：一是數(shù)字人直播產(chǎn)品的能力仍受限；二是具備自研算法和技術(shù)閉環(huán)能力廠商較少，導(dǎo)致市場上產(chǎn)品質(zhì)量參差不齊；三 數(shù)字人選 數(shù)字人選型避坑指南數(shù)字人行業(yè)發(fā)展迅速，但現(xiàn)階段整個市場產(chǎn)品制性、實時響應(yīng)能力、多語種支持評判數(shù)字人的優(yōu)劣。五大標準幫助商家快速選出合適的數(shù)字人產(chǎn)品畫面清晰視頻清晰分辨率高，分辨率不低于主流直播平臺要求的720P靈動表達自然的嘴型表達，并做出細節(jié)表情：畫面清晰視頻清晰分辨率高，分辨率不低于主流直播平臺要求的720P靈動表達自然的嘴型表達，并做出細節(jié)表情：高興、憤怒、生氣、沮喪等，實現(xiàn)面部五官的靈動表達畫面清晰真實的數(shù)字人形象畫面的真實度和清晰度是數(shù)字人提升直播用戶視覺體驗、成功建立數(shù)字人直播間的重要因素。在清晰攤手、點頭、皺眉等，并通過毫秒級別的時間戳，數(shù)字人形象清晰適當引入對抗模型和視覺質(zhì)量判別器，對數(shù)字人畫面清晰度實時監(jiān)測、修正，杜絕模糊問題，實現(xiàn)數(shù)字人高清晰度視頻流暢視頻流暢，幀率不低于主流直播平臺的要求幀率24-60FPS語音驅(qū)動表達語音驅(qū)動動作、表情，根據(jù)語音表達，完成自然的表動作、肢體動作，使數(shù)字口型、表情、肢體動作輸出，提供真實的直播體驗肢體動作豐富的肢體動作，如揮手、攤手、點頭、皺眉等，更加接近真人高精準度的音唇同步提供更真實的數(shù)字人表達高精準度的語音驅(qū)動口型為數(shù)字人帶來流暢、準確、真實的音唇同步，將語音中隱含的豐富語調(diào)、情感和不同的語言特征通過多模態(tài)人工真能一線技術(shù)廠商可實現(xiàn)120FPS無延時輸出延時超過400ms，將產(chǎn)生音畫不協(xié)調(diào)感幀率低于60FPS將產(chǎn)生卡頓感一線技術(shù)廠商數(shù)字人口型和語音匹配準確率可達到99.9%低準確率，口型錯誤多，用戶體驗差語音、語義、口型、表情高度一致語音、語義、口型、表情一致度低，擬真度低跨境電商海外多市場布局202020212022單位：萬億元數(shù)據(jù)來源：商務(wù)部澳大利亞11.6%拉美14.2%東南亞27.6%俄羅斯13.8%日韓27.6%中東跨境電商海外多市場布局202020212022單位：萬億元數(shù)據(jù)來源：商務(wù)部澳大利亞11.6%拉美14.2%東南亞27.6%俄羅斯13.8%日韓27.6%中東17.8%歐洲54.2%非洲9.8%中亞7.1%北美60%數(shù)字人直播多語種支持 玩具3C小家電鋼鐵煤炭機械…語言支持多場景語音識別準確率紡織伴隨我國跨境電商快速發(fā)展，全市場布局要求數(shù)字人直播支持多語言互動。數(shù)字人在滿足支持多語言的同時，還需要滿足語音表達在多行業(yè)中數(shù)字人回答響應(yīng)時間2s-3s彈幕接收視頻上傳答案生成數(shù)字人播報實時性提升用戶交互體驗數(shù)字人回答響應(yīng)時間2s-3s彈幕接收視頻上傳答案生成數(shù)字人播報在直播間銷售場景中，數(shù)字人通過高效驅(qū)動系統(tǒng)和人工智能可以對直播間用戶提問進行實時解答。實時快速的響應(yīng)能大幅提升數(shù)字人直播的真實性和用戶體驗，從而更好的對真人主播進行替代。目前數(shù)字人頭部廠商已可以將數(shù)字人響應(yīng)時間控制在1-2s，但從響應(yīng)速度看，相較于部分真人主播，數(shù)字人回答更準更快人基于AI大模型，回答標準化的問題更快更準，降低了商家主播目前知智能等線數(shù)字人廠商已經(jīng)可以將數(shù)字人響應(yīng)時間控制在一一-目前知智能等線數(shù)字人廠商已經(jīng)可以將數(shù)字人響應(yīng)時間控制在一一-大模型答案文本 一知智能芽勢數(shù)字人經(jīng)過技術(shù)迭代，大幅縮短定制數(shù)字人拍攝和訓(xùn)練時長，降低商一知智能芽勢數(shù)字人經(jīng)過技術(shù)迭代，大幅縮短定制數(shù)字人拍攝和訓(xùn)練時長，降低商單個數(shù)字人每年投入拍攝/錄音時間中小商家對價格敏感，而且空閑人力和時間相對緊張，這對數(shù)字人的生成速度和使用成本帶來了形象的基礎(chǔ)上，同時降低商家的設(shè)備、時間成本投入。現(xiàn)階段一線數(shù)字人廠商已經(jīng)可以將數(shù)字人錄制時間壓縮至半小時內(nèi)，訓(xùn)練生成時間壓過去高成本定制產(chǎn)品過去高成本定制產(chǎn)品新一代定制產(chǎn)品數(shù)字人形象可定制價格區(qū)間在5000-20000元僅需手機拍攝即可拍攝視頻時長壓縮至10分鐘訓(xùn)練時間最快僅需30分鐘數(shù)字人形象可定制價格區(qū)間在20萬以上攝影棚和動捕設(shè)備拍攝視頻時長基本需1:1錄制訓(xùn)練時間在6周以上數(shù)字人需求數(shù)字人需求 滿足商家IP需求形象定制快速生成降低商家時間投入數(shù)字人直播應(yīng)用案例數(shù)字人直播應(yīng)用案例詳盡介紹專業(yè)產(chǎn)品數(shù)字人直播解決方案?多數(shù)字人直播間打開長尾產(chǎn)品銷路?低成本開播建設(shè)終端直播帶貨通道 數(shù)字人直播間增加用戶觸點，承接品牌流量24小時直播，補充直播時長大模型生成文案，促進標品銷售彈幕智能回復(fù)現(xiàn)階段，數(shù)字人的擬真和智能程度已經(jīng)可以支持長尾標品的直播銷售，可以承接品牌流量，為品牌規(guī)?；⒂脩粲|點和產(chǎn)品銷售渠道提供可數(shù)字人助力知識付費企業(yè)挖掘IP潛力知識付費核心要素知識付費核心要素數(shù)字人在保證數(shù)字人在保證IP基礎(chǔ)上，大幅提升視頻制作效率，讓創(chuàng)作者工作重心回歸內(nèi)容攝中的設(shè)備、場景、光線、以及出現(xiàn)NG等各種問題和大IP（UP主）出鏡時間有限的問題無需剪輯，根據(jù)腳本內(nèi)容快速生成短視頻創(chuàng)意?運營力不足、主播成本高、技術(shù)能力不足?運營力不足、主播成本高、技術(shù)能力不足心；具有完整的上下游產(chǎn)業(yè)鏈，上游原材料“直播+“模式賦能慈溪產(chǎn)業(yè)帶經(jīng)濟發(fā)展???2022年慈溪市網(wǎng)絡(luò)零售額1016要為1噸左右要為1噸左右美國等地區(qū)，少量產(chǎn)品直接面向C端銷售培訓(xùn)，使用門檻較低握產(chǎn)品專業(yè)知識，具有一定門檻售后仍需落實安裝、維修等售后服務(wù)特點產(chǎn)生痛點地區(qū)已有30余家主營挖掘機的企業(yè)及100余家相關(guān)配套的企業(yè)，該產(chǎn)業(yè)鏈產(chǎn)品以小型挖掘機為主，主要銷往歐美等國家。挖掘機之鄉(xiāng)挖掘機之鄉(xiāng)山東省濟寧市工程機械企業(yè)共計5610家，其中制造業(yè)企業(yè)共計2991家，工業(yè)機山東省濟寧市工程機械企業(yè)共計5610家，其中制造業(yè)企業(yè)共計2991家，工業(yè)機業(yè)共計1410家；規(guī)上設(shè)備制造企業(yè)與專業(yè)設(shè)備制造企業(yè)共計302家主要痛點主要痛點直播痛點數(shù)字人多語言、精力充沛克服時差，解決挖掘機直播痛點數(shù)字人后臺學(xué)習(xí)，解決語言難關(guān)；不疲憊，24小時精力充沛，適應(yīng)時差實時互動解決客戶咨詢難題兼顧知識專業(yè)性與良好直播互動體驗“人”前后景，虛實結(jié)合，真實場景直播，客戶看到實物，聽到解說次要痛點以海外市場為主，需要針對區(qū)域目標做時間和語言的細致直播規(guī)劃直播場景多，包括實體機械實拍場景、生產(chǎn)工廠制造場景、主持人講解介紹場景等直播需要多人配合，實現(xiàn)演練操作、講解實時同步資料來源：天眼查、企查查、網(wǎng)絡(luò)公開數(shù)據(jù)、鏑數(shù)科技、高德地圖未來發(fā)展趨勢未來發(fā)展趨勢字人內(nèi)容展現(xiàn)和制作能力數(shù)字人0.文字字人內(nèi)容展現(xiàn)和制作能力數(shù)字人0.文字AIGC視頻圖片AIGC大幅度降低了內(nèi)容創(chuàng)作門檻，減少了對專業(yè)技術(shù)的依賴，未來內(nèi)容創(chuàng)作將更注重創(chuàng)意和時效性。數(shù)字人直播解決了用戶性格和表達能力等內(nèi)在限制，同時也消除了拍攝設(shè)備、專業(yè)技能和時間成本等外部限制，從而鼓勵更多用戶加入直播和短視頻領(lǐng)域，推動視頻內(nèi)容迎來爆發(fā)式增長。47.9% 2626數(shù)字人直播有效多直播間同時直播效果貼近真人主播 低成本有效補充，數(shù)字人有望在直播場景中廣泛使用數(shù)字人直播有效多直播間同時直播效果貼近真人主播 數(shù)字人目前正處于發(fā)展的早期階段，市場滲透率很低。隨著技術(shù)進步，數(shù)字人直播的擬真度提高且成本降低提升效率，將有望解決企業(yè)使用數(shù)字直播直播需求企業(yè)應(yīng)用數(shù)字人決策鏈路數(shù)字人直播有效數(shù)字人投入產(chǎn)出為正 實現(xiàn)24小時直播數(shù)字人直播有效數(shù)字人投入產(chǎn)出為正數(shù)字人投入產(chǎn)出為正數(shù)字人投入產(chǎn)出為正技術(shù)進步技術(shù)進步模型升級成本低于真人主播成本低于真人主播應(yīng)用數(shù)字人應(yīng)用數(shù)字人AI數(shù)字人市場規(guī)模預(yù)測0（單位：億元人民幣）直播間初期漲粉直播間初期漲粉直播間日常維護直播間日常維護短視頻切片制作成本直播間初期漲粉直播間初期漲粉直播間日常維護直播間日常維護短視頻切片制作成本店播店播活動大促轉(zhuǎn)化活動大促轉(zhuǎn)化33產(chǎn)業(yè)帶商家更加聚焦源頭好貨隨著算力的提升以及多模態(tài)模型的升級，數(shù)字人擬真、交互和實時反饋的能力將顯著提高。