多模态交互能力的融合构成了数字人技术的核心，这包括了语音合成、动作捕捉、自然语言处理、3D建模等技术的联合运用。在营销领域，数字人技术已经普遍应用于虚拟主播、智能客服、品牌IP等场景，为品牌带来高效且个性化的服务。但是，目前数字人技术还存在一些挑战：

创作内容的限制

普遍存在的内容同质化问题：在数字人行业中，一个普遍的“美丽困境”显现出来——模型的面孔高度雷同、语音模板化、交互逻辑程式化，这使得数字人变成了“工业流水线产品”。这种同质化现象不仅限制了数字人的多样性，也削弱了用户对品牌的信任感。

创意与深度的缺乏：尽管数字人创作已经超越了「可用性」的门槛，但在创意和深度方面仍有很大的提升空间。目前，数字人的创作通常是基于对已有数据的学习和模仿，缺乏真正的创新思维和独特的见解。

用户满意度低

交互能力：虚拟人的交互能力通常仅限于表面，缺乏对用户意图的深刻理解，难以在复杂场景中进行多轮对话或提供定制化建议。这使得用户在与虚拟人交互时，经常感到缺乏深度和连贯性，进而影响了整体的用户满意度。

语音与口型不同步：虚拟人的语音合成和口型制作通常依赖于独立系统，这导致了口型动作与语音内容之间出现延迟或不匹配的情况。这种不同步现象不仅影响了虚拟人的自然性，也减少了用户与虚拟人交流时的沉浸感。

手势与面部表情不自然：虚拟人在语音、表情、肢体语言的协调上显得不够流畅。不自然的手势和面部表情使得虚拟人缺乏真实感，难以在情感交流中达到预期的效果，从而影响了用户的交互体验。

研发与制作成本高昂

创建高品质的虚拟人需要投入大量的人力、资金和时间。这包括技术开发、模型构建、动态捕捉、语音合成等多个环节，都必须依靠专业团队和先进设备的支持。因此，许多中小型企业和独立开发者难以承担虚拟人的开发成本，这限制了虚拟人技术的广泛应用和普及。高成本是虚拟人技术普及的主要障碍。

02

数字人技术

借助营销大模型的应用突破现状

面对这些挑战，业界正在使用大模型技术来改造数字人的能力，并赋予其“超级大脑”的特质。以DeepSeek为例，其出色的推理能力显著提升了数字人的智能程度。同时，通过MarRAG技术，它能够接入行业数据库、企业知识库，甚至是实时搜索服务，从而达到“知识增强”的效果。

△ 营销数字人整体方案及架构

营销知识增强

数字人突破了固定脚本的限制，借助营销大模型（例如营赛洞见）整合了专业营销知识，能够解答复杂问题。例如，营赛洞见采用MarRAG（营销检索增强生成）技术，结合企业知识库，使数字人能够提供精准的复购率提升策略或市场趋势分析。

DeepSeek增强数字人能力

DeepSeek为智能交互数字人提供增强，能够轻松整合个人/企业知识库以及在线搜索服务，实现了搜索增强模型生成（RAG）。DeepSeek的思维链加强了上下文记忆功能，显著提升了数字人多轮对话的能力。同时，数字人口型更精确、整体交互时延低、用户体验佳等优势也得到了展现。

多模态融合训练

经过端对端的训练，大型模型综合处理了语音、文本、动作和表情等多种类型的数据，实现了唇动与语音内容的精确同步。此外，通过融合情绪识别技术，数字人能够根据语气调整表情，大模型还能够捕捉到动作的细微变化，从而使得手势和表情表现得更加逼真。

减少定制化成本

传统方法依赖于高精度建模和动作捕捉，耗时且成本高昂。而大模型仅需几分钟的真人视频和数小时的训练即可生成逼真的数字人。大模型通过算法替代了大量的人工建模工作，使得数字人制作从“高门槛专业工程”转变为“低代码/无代码”模式。

03

营销数字人

数字人和营销大模型结合的实践案例

在东信集团推出的营销大模型产品——营赛洞见中，营销数字人构成了其核心产品力的关键部分。这些专为营销领域设计的数字人，展现了其独特的优势。

本产品提供了大量精选的营销虚拟形象，这些形象是基于众多优秀主播的面部表情、肢体动作和语言风格的深入研究，并通过大规模模型的持续训练和微调而创造出来的。它们能够适应各种不同风格的产品推广和直播销售，用户可以根据自己的需求自由选择使用。

△ 营销数字人形象展示

针对直播互动、营销视频制作、品牌形象等不同营销应用场景，东信营销数字人进行了细致的场景微调和专门训练，实现了与场景的精确匹配。例如，在直播带货场景中，数字人专注于提升语音、文本、动作、表情等多模态处理技能，以改善用户互动体验。在营销视频制作场景，数字人利用其专业的营销知识，能够有效地展示产品的优势。在其他场景中，数字人同样能够迅速转换其能力。

△ 营销数字人口播稿生成