Drehbuch-Assistent▸ 
AI Apps 
AI Nachrichten Hochüberzeugender Digital Human: Basierend auf Wenxin Multimodal LLM mit Skriptgenerierung und ultrarealistischer Stimme und Erscheinung
小编 ·
Hochüberzeugender Digital Human: Basierend auf Wenxin Multimodal LLM mit Skriptgenerierung und ultrarealistischer Stimme und Erscheinung
Was ist ein hochüberzeugender digitaler Mensch?
Der hochüberzeugende digitale Mensch wurde am 25. April 2025 auf der Baidu Create Conference von Baidu-Gründer Robin Li vorgestellt. Der hochüberzeugende digitale Mensch hat eine extrem realistische Stimme und Erscheinung, professionellere Inhalte und flexiblere Interaktionen und bietet ein Erlebnis, das über das eines echten Menschen hinausgeht. Er wird von Baidus E-Commerce-Plattform „Huibox Star“ entwickelt, basiert auf dem großen Modell Ernie 4.5 und verfügt über die Fähigkeit zur „Skriptgenerierung“. Dadurch können Mimik, Tonfall und Gesten in Echtzeit an den Text angepasst werden, sodass emotionale Übergänge und Bewegungswechsel natürlich und fließend wirken. Beispielsweise sehen die von Baidu erzeugten digitalen Menschen in Aussehen, Stimme, Bewegung und Ausdruck äußerst realistisch aus und sind fast identisch mit echten Menschen.
Kerntechnologien des hochüberzeugenden digitalen Menschen
Skriptgesteuerte multimodale Abstimmung: Mithilfe eines großen Sprachmodells werden Skripte erzeugt, die Dialogzeilen, visuelle Tags und Sprach-Tags umfassen. Bei der Erzeugung der Dialogzeilen werden synchron die Bewegungen, Mimik und der Tonfall des digitalen Menschen generiert, und die Positionen der verschiedenen Modalitäten werden aufeinander abgestimmt, um eine multimodale Inhaltsabstimmung und Positionsausrichtung zu erreichen. So entsteht ein ausdrucksstarker digitaler Mensch, der Geist und Körper vereint.
Multi-Agenten-Steuerung: Der digitale Mensch kann je nach Echtzeit-Popularität und Konversionsrate im Livestream flexibel Rollen wie Co-Moderatoren, Studiosteuerung und Betrieb steuern, um Konversionen zu fördern – etwa durch rechtzeitiges Wechseln der Kameraeinstellungen und den Einsatz von Bild- und Video-Materialien – und so „eine Person als ganzes Marketingteam“ zu realisieren. In einem Autolivestream beispielsweise rief ein digitaler Moderator parallel ein 3D-Fahrzeugmodell auf, wodurch die Konversionseffizienz um 40 % gesteigert wurde.
Hohe multimodale Verschmelzung: Der digitale Mensch und das Livestream-Studio-Design können perfekt reproduziert werden. Baidu hat ein großes Modell zur Videoerzeugung für digitale Menschen entwickelt, das multimodale Signale wie Video, Skript und Sprache für die hochkontrollierbare Erzeugung digitaler Menschen nutzt und durch räumliche Ausrichtung Videoinhalte von ausreichender Länge generiert.
Sprachsynthese für digitale Menschenszenarien: Basierend auf dem großen Ernie-Modell werden Textstil, Emotion und prosodische Schwankungen vorhergesagt. Durch ein großes Modell zur textgesteuerten Sprachsynthese wird eine anweisungsgesteuerte Synthese realisiert, die einen weichen und fließenden Stimmeneffekt steuert. In Kombination mit Livestream-Texten und Sprecherinformationen wird eine natürlich fließende Stimme erzeugt.
Anwendungsszenarien des hochüberzeugenden digitalen Menschen
E-Commerce-Livestreaming: Dies ist ein wichtiger Anwendungsbereich des hochüberzeugenden digitalen Menschen. Er kann unermüdlich Livestreams durchführen und deckt den gesamten Prozess von der Produktvorstellung bis zur Stimmungsführung ab. So erzielte etwa in einem Beauty-Livestream ein digitaler Einkaufsberater eine um 25 % höhere Konversionsrate als ein echter Mensch. „Rongrong Jingzhi Shenghuo“ setzt mit Huibox Star digitale Menschen im Livestream ein und erreicht ein monatliches GMV von über 150.000 bei einer Umsatzsteigerung von 30 %; „Meili Jiajufu Gongchang“ steigerte das GMV um 60 %; die Beauty- und Pflegemarke „Zuoyan Youse“ nutzte digitale Menschen zur Make-up-Demonstration und erzielte ein GMV von über 290.000 pro Stream bei einer um 60 % gesteigerten Konversionsrate. Der digitale Mensch kann außerdem auf Basis von Echtzeit-Feedback im Livestream eigenständig Entscheidungen treffen, wie das Ausgeben von Rabattgutscheinen oder das Wechseln von Produkten.
Weitere Bereiche: Derzeit wird das digitale Menschensystem auf mehrere Branchen ausgeweitet und findet breite Anwendung in vertikalen Szenarien wie Recht, Bildung, Finanzen und Automobil. Einige Autohändler setzen digitale Menschen für Fahrzeugvorstellungen und interaktive Fragen ein; in Buch-Livemlächten können digitale Menschen aus Werken zitieren; beim Verkauf von Gesundheitsprodukten können sie auf Basis von Nutzerdaten wie Blutzuckerwerten personalisierte Empfehlungen geben. Das Rechtsprojekt „Fa Zai Xinjian“ hat ein neues Anwalts-Digital-Menschen-Programm eingeführt, das auf Skripterstellung und Wissensspeicher des großen Modells von Huibox Star basiert, juristische Fragen präzise beantwortet, Risikobegriffe vermeidet und nach der Einführung die Kosten für die Lead-Gewinnung um 75 % senkte, während die Lead-Menge nahezu verfünffacht wurde.
Vorteile des hochüberzeugenden digitalen Menschen
Niedrige Einstiegshürde: Baidus Huibox Star bietet eine „Ein-Klick-Klonen“-Funktion. Nutzer laden ein mindestens 2-minütiges Livestream-Video hoch und erhalten so ihren eigenen digitalen Menschen – jeder kann Moderator werden. Zudem kann mit KI ein Livestream-Skript erstellt werden, um ein personalisiertes Livestream-Studio zu gestalten.
Geringe Kosten: Derzeit liegen die durchschnittlichen monatlichen Kosten für das Livestreaming mit dem „hochüberzeugenden digitalen Menschen“ bei unter 1.000 Yuan, was etwa 80 % Einsparung gegenüber herkömmlichem Livestreaming bedeutet. Auch die Systemtechnologiekosten sinken – im vergangenen Jahr um rund zwei Drittel. Auf Baidus Plattform können Händler dank der Unterstützung nahezu kostenlos live gehen.
Anleitung zur Nutzung des hochüberzeugenden digitalen Menschen
Video aufnehmen: Öffne die Baidu-App, suche nach „Huibox Star“ und klicke auf „Mobile Livestream mit einem Klick“ und „Digitalen Menschen erstellen“. Nimm mit dem Smartphone ein 2- bis 3-minütiges Video von dir selbst auf. Das Video muss durchgehend dein Gesicht zeigen, professionelles Equipment ist nicht erforderlich.
Persona, Thema und Skript auswählen oder selbst anpassen: Während das Video hochlädt, kannst du aus von Huibox Star vorbereiteten Personas wie Emotionsberatung oder Buchempfehlungen wählen. Die KI erstellt automatisch eine Persona-Anleitung, ein Livestream-Thema und ein Skript. Du kannst die Persona auch selbst definieren, etwa als Fitness-Enthusiast, und mit „KI hilft mir schreiben“ ein Skript generieren lassen – der gesamte Skripterstellungsprozess dauert weniger als 2 Minuten.
Erstellung des digitalen Menschen abwarten: Die Erstellung dauert in der Regel etwa 3 Stunden. Nach Abschluss wirst du per SMS benachrichtigt und auf der Seite wird die Livestream-Startzeit angezeigt.
