场馆与展厅数字人的统一管理与运营中台，多形象、多语言、多端发布。
每个都有代价，我们选了哪边、为什么。
没有最优方案，只有适配场景。
| 方案 | 真实感 | 成本 | 断网可用 | 适合场景 |
|---|---|---|---|---|
| 2D 真人形象 + TTS | 中高 | 低 | 是 | 展厅讲解、播报、导览 |
| 2D 真人形象 + 真人录音 | 高 | 中 | 是 | 固定讲解词、宣传片 |
| 3D 虚拟形象 + 实时驱动 | 高（但易恐怖谷） | 高 | 视方案 | 互动问答、游戏化体验 |
客户名称按保密要求匿名。
顺序不能反 —— 先做写操作、先做多步编排，出错都很难查。
是单向讲解、还是能问答？单向用 2D + 录音就够；问答要接知识库与语音识别。
2D 需录制真人视频素材（多角度、多表情）；声音按讲解词录，注意语速与停顿。
把文本转成带时间戳的音素序列，驱动口型与表情。这一步的精细度决定「像不像在说话」。
数字人通常挂在展厅中控下，要能被中控唤醒、切换、停止。接口要提前定，否则后期改很麻烦。
展厅的灯光、噪音、网络都会影响效果。必须到现场调麦克风与音量，不能在办公室调完就交付。
不写形容词，写口径。
这些是真实问过的问题，答案不带营销话术。