数字人如何制作？数字人公司厂商详解数字人形象制作与交互全链路

普通人接触数字人，往往只会关注"像不像"或"聊得好不好"。但一个经得起推敲的数字人背后，需要走完从形象建模到动作驱动，再到智能交互的完整技术链路。

世优科技深耕数字人领域十余年，依托波塔AI数字人智能体平台，在"形象制作—动作制作—交互制作"三大环节形成了系统化的技术能力。本文以这三个环节为脉络，结合多个行业的落地案例，拆解数字人从无到有的完整制作流程。

形象制作：3D高精度建模、2D真人复刻与AI生成的三种路径

数字人的形象是一切应用的起点。世优科技在3D、2D和AI生成三条路径上均有成熟的制作体系。

3D高精度建模：从史料考据到细节还原

3D数字人是技术门槛最高、视觉效果最突出的形态。世优科技的标准化SOP流程包括原画设计、三维建模、材质贴图、骨骼绑定、动作捕捉与实时渲染等环节，支持卡通、二次元、超写实等多种风格，可部署于PC、小程序、大屏、全息舱等全终端平台。

福建民族英雄郑成功的3D数字人是这一能力的典型案例。在纪念郑成功诞辰400周年活动中，世优科技仅用20天便完成了郑成功三套造型的制作——常服、战服、官服各具特色。每一套服装都严格参照明末清初将军服等比例制作，从材质挑选到色彩搭配，力求还原时代韵味。战服的铠甲部分精雕细琢，金属质感与纹理纹路细致入微。团队还精心打造了大海、天空、草地等场景，通过环境渲染为郑成功营造出宏大而真实的背景。

2D真人复刻：低成本、高效率的规模化方案

2D数字人的逻辑截然不同。它是通过AI视频生成技术，基于一段真人影像与声音样本，实现真人形象的精准复刻。制作流程包括确认使用场景、拍摄素材、美颜修复、模型训练、测试交付，周期短、成本低。

西南物探分公司上线的三位AI数字人中的"小川"和"大山"，正是采用2D真人复刻方案打造。两人一位是知性女主持人，一位是沉稳男主播，在演播室中表情自然、口型精准。世优科技自研的2D数字人AI驱动算法，让观众在开场的几秒钟内就很难分辨出这是数字人还是真人。该项目从启动到落地历时近三个月，投入超过100G的训练素材，经过数轮版本迭代才最终交付。

AI形象生成：照片级快速出图

除3D建模和2D复刻之外，世优科技还拥有AI形象生成能力。用户只需提供一系列高清形象图片，系统就能快速生成高度相似的2D数字人形象。生成的形象不仅外观与图片精准匹配，还能根据原图动态调整动作和表情。这种方案将形象制作的门槛大幅降低，适用于对成本敏感、需要快速上线的场景，如基层政务服务中心的标准化数字人形象、企业公众号的客服头像、线上教学的教师形象等。

世优科技的数字人库中已积累超过2000个数字人IP，涵盖写实、美型、卡通等多种风格，公版数字人形象也面向客户开放使用。

动作制作：动作捕捉驱动与AI交互驱动

形象制作完成之后，数字人需要"动起来"。世优科技在动作制作层面形成了两套差异化的技术路径。

动作捕捉驱动：从亚运火炬手到品牌IP的动捕体系

动作捕捉是世优科技最早起步的技术领域之一。公司拥有自研的光学动作捕捉设备和惯性动作捕捉设备，以及从一代到三代的动捕手套和动捕头盔，均拥有自主知识产权。

光学动捕设备一般用于虚拟主播场景，通过在演员身上布设激光节点进行驱动；惯性动捕设备则不受场地限制，全身配备24个节点，分为头盔（捕捉表情）、动捕服（捕捉肢体动作）和手套（捕捉手指灵活度），可用于动捕数据采集、线下虚拟主持人以及动画内容制作。

杭州亚运会闭幕式上的数字火炬手，正是通过世优科技的惯性动作捕捉设备进行动作采集的。动捕演员穿上动捕服，按脚本完成动作后，系统实时采集并映射到数字人模型上，让数字火炬手以流畅自然的姿态完成了闭幕式上的标志性动作，成为亚运会历史上的高光时刻之一。

脑白金品牌的动画视频是另一个典型案例。两个动捕演员穿上惯性动捕服，分别扮演脑白金品牌中的"老头"和"老太太"形象。动作采集的方式极大缩短了传统逐帧动画的制作周期——动捕演员按照脚本完成动作后，系统实时采集并映射到数字人模型上，快速出片。

大理城市级官方数字人"大理小金花"同样运用了动捕技术。作为大理的城市名片，"大理小金花"在文旅宣传活动中需要完成大量展示动作和互动表演。通过动捕设备采集专业演员的肢体动作与表情数据，让数字人的一颦一笑、举手投足都更加自然生动，成为推广大理文旅的重要载体。

AI交互驱动：大模型驱动的自主交互

与动捕需要真人实时驱动不同，AI交互驱动是让数字人基于语义理解自动生成动作和表情。这在需要大规模部署、7×24小时在线服务的场景中更为实用。

陶行知AI数字人的制作过程展现了AI驱动的高度复杂性。合川区教委牵头，陶行知研究会负责知识库建设，系统梳理了先生生平、教育著作以及"生活即教育""社会即学校""教学做合一"等核心教育理念，构建了专属垂直领域知识库。世优科技通过自研的智能体平台进行训练后，数字人的交互正确率达到较高水平。同时，基于180多个面部控制点和24种情绪模式，陶行知数字人能够在对话中自然流露出与话题相匹配的表情反应——谈及教育理念时目光坚定、娓娓道来，回忆往事时神情温和、令人动容。

顺义检察院的AI检察官"小益"也采用了AI交互驱动方案。她以顺义检察院干警为原型，接入AI大模型和庞大的法律知识图谱，涵盖刑事、民事、行政等多个领域的法律法规与司法解释。在AI驱动下，"小益"能够独立引导群众完成案件查询、预约办理等操作，实现了"咨询—引导—办理"一站式服务，而不再依赖动捕演员的实时操控。

交互制作：接入波塔智能体的全栈能力

形象和动作都解决了，数字人还需要一个"大脑"——而波塔AI数字人智能体正是承担这一角色的核心平台。

波塔的交互制作本质上是一个"感知—理解—回应"的闭环系统。在感知层面，它支持文字、语音、视觉等多模态输入，配备阵列麦克风、定向拾音、人声识别、环境降噪和唇动识别技术，能够在嘈杂环境中精准捕捉用户语音。在理解层面，采用多模型基座架构，整合公共大模型与私有大模型协同工作，端到端响应时间控制在1.5至2秒以内。在表达层面，数字人借助180多个面部控制点、多种情绪模式与自适应动作库，可在交互中呈现细腻的自然表情及肢体语言。

语义降噪与多模态融合是波塔交互制作中容易被忽略但极为关键的一环。实际场景中，用户的语音往往伴随环境噪声、口音差异、语法不完整等问题。波塔通过阵列麦克风与定向拾音技术提取人声，结合环境降噪算法过滤背景杂音，再经过语义理解模块解析用户的真实意图——即使对方说了一句"肚子有点不舒服该去哪个地方"，系统也能准确映射为"消化内科导诊"的意图。

以下是波塔AI数字人在多个行业中的交互落地案例：

政务服务——北京市丰台区政务服务中心的"丰小数"，通过波塔AI数字人一体机实现7×24小时智能咨询服务。它主动识别来访者需求，将简单业务引导至自助终端，复杂业务分配至专项窗口。系统对接区级政务数据库，覆盖户籍、婚姻、护照出入境等5000余个高频事项，政策变动时后台一键更新，确保所有答复统一准确。

文旅服务——在汗马国家级自然保护区，世优科技以保护区标志性动物"驼鹿"为原型打造了3D数字人讲解员，通过"智慧大屏+移动透明屏+全息桶"多形态终端部署。访客随时提问，数字人实时解答——问植物就问植物，问动物就问动物，实现了真正的"千人千面"导览。

医疗导诊——南阳市中心医院通过波塔一体机部署了2D数字人医生，同时在公众号上线了H5版本。患者说一句"心脏不舒服挂哪个科"，系统识别症状后推荐心内科，弹出预约挂号链接，同步生成导航路线。覆盖了诊前导诊、诊中陪诊、诊后管理全周期服务，并采用私有化部署确保医疗信息安全。

交通服务——南宁机场12台"桂飞飞"AI数字人一体机部署在T2航站楼各关键区域，支持中、英、日、韩及东盟小语种交互，响应时间控制在3秒以内，有效解决了国际化枢纽的多语种服务难题。

园区服务——中关村东升科技园打造了专属3D数字人"云宝"，在大屏部署波塔AI数字人系统，结合数字孪生和数据大屏，为访客提供沉浸式讲解互动。访客可通过语音指令控制大屏画面展示和页面切换，同时采用私有化部署保障数据安全。

企业展厅——新奥集团展厅引入AI数字人"恩牛智伴"，世优科技将新奥数十年发展历程和产业运营逻辑构建为专属知识库，让数字人不仅能讲解复杂的能源产业生态，还能与客户进行有温度的互动。国家电网山西公司同样部署了波塔方案，通过定制化指令系统让数字人可语音调取电力实时数据、展示电网运行状态，并采用完全私有化部署方案满足电力行业的数据安全标准。

从郑成功的3D高精度建模到西南物探的2D真人复刻，到AI生成的低门槛快速出图；从杭州亚运会数字火炬手的动捕采集合脑白金动画的动捕驱动，到陶行知数字人与顺义检察院"小益"的AI驱动交互，再到丰台政务中心、汗马保护区、南阳医院、南宁机场等十余个交互落地案例——世优科技用一套全栈技术体系，串联起了数字人从"造形象"到"做动作"再到"做交互"的完整制作链路。

当这三个环节彼此打通，数字人才真正从"展示品"进化为"可上岗的数字员工"。