美团智播——数字人直播技术创新与实践

摘要

介紹美團智播如何利用大模型與多模態技術，解決數字人直播形象僵硬、動作不自然及無法並發的問題。讀者可了解其自研的結構解耦、文字驅動動作生成及流式語音協調等關鍵技術突破，以及這些技術如何實現萬路並發的商業化落地。

This article reviews Meituan's technical breakthroughs in creating realistic, natural, and scalable AI digital human live streaming solutions using large models and multi-modal technologies.

摘要、重點與章節標題由語言模型整理，細節（誰說的、數字、先後）可能有誤；要引用請以原始內容為準。

重點

• 提出結構解耦與自獎勵編輯技術，實現真人 1:1 高保真形象生成。
• 開發文字驅動的多級因果動作生成模型，解決動作僵硬與多樣性問題。
• 實現流式語音與動作協調，讓數字人能邊說邊動並支援萬路並發。

提到的工具與公司

• MoTiGA
• StreamingTalk
• HumanML3D
• KIT-ML
• GEdit-Bench
• ImgEdit-Bench
• KRIS-Bench

適合誰看

從事電商、本地生活或需要自動化內容生產的技術人員與產品經理。

摘要依據

依據

文章全文

為什麼排在這裡

人氣

0.50

新鮮

0.87

在主題頁與搜尋結果裡，名次由相關、人氣、新鮮三個分數決定；這一頁沒有搜尋的關鍵字，所以沒有相關分數。排序怎麼算

相關內容

• 80.与梅涛院士的 3 小时访谈：语言、视频、具身终将汇聚，为什么是世界模型？Podcast ・ 卫诗婕｜漫谈 Light the Star ・ 3 小時 22 分
• 做了个实时数字人，水平吊打我自己影片 ・ 跟李沐学AI ・ 2 分鐘
• 舌尖上的 AI：生成式智慧打造餐飲新智能／葛如鈞 臺灣大學資訊網路與多媒體研究所 兼任助理教授 | #gaiconf #生成式AI年會 #generativeai #gai2023 #genai影片 ・ Generative AI 年會 ・ 16 分鐘
• MTFM：美团统一推荐基座大模型在外卖多业务场景的落地实践文章 ・ 美团技术团队
• From Voice Agents to AI Avatars影片 ・ The TWIML AI Podcast with Sam Charrington
• E223｜应用爆发之年：聊聊模型技术进化与商业化Podcast ・ 硅谷101 ・ 1 小時 7 分