实时虚拟人

实时虚拟人（Real-time Avatar）指由 AI 驱动、能实时响应用户输入并生成对应表情、口型与动作的虚拟形象，依赖语音识别、自然语言处理、语音合成与面部动画生成等多模块协同，在数百毫秒内完成闭环。

消费级实时虚拟人场景中，响应超过约 300 毫秒对话的“在场感”会明显下降，超过 1 秒则沉浸感大幅下降。

实时虚拟人技术并非新概念，数字人直播、虚拟主播、企业级虚拟客服已存在多年，但通常制作门槛高、脚本固定或算力成本昂贵。

实时虚拟人对算力的消耗远高于纯文本对话，成本结构是产品能否规模化的关键变量。