1求說明本項(xiàng)目致力于建設(shè)數(shù)字化節(jié)目生產(chǎn)全流程平臺，集成數(shù)字人核心算法、內(nèi)容管理及定制系統(tǒng)開發(fā)，實(shí)現(xiàn)真人與數(shù)字人形象規(guī)?；瘡?fù)制、智能內(nèi)容生成和高效發(fā)布。平臺通過融合深度學(xué)習(xí)、計(jì)算機(jī)視覺和自然語言處理技術(shù)等核心算法技術(shù)，能夠?qū)崿F(xiàn)形象克隆、聲音克隆及音頻驅(qū)動等定制服務(wù)，構(gòu)建高保真"數(shù)字主播庫",支持多場景應(yīng)用適配與集成，并升級直播設(shè)備，滿足數(shù)字人直播等應(yīng)用場景，實(shí)現(xiàn)節(jié)目生產(chǎn)全流程智能化。采用彈性混合架構(gòu)，云端部署核心算法實(shí)現(xiàn)動態(tài)擴(kuò)展，本地化部署保障數(shù)據(jù)安全。平臺強(qiáng)化多語言及方言定制能力，滿足國際化傳播需求，助力構(gòu)建“AI驅(qū)動內(nèi)容生產(chǎn)”體系，推動降本增效、內(nèi)容多元化和全媒體融合傳播，為智慧廣電轉(zhuǎn)型提供支撐。(一)基本內(nèi)容1數(shù)字人核心算法軟件1套2數(shù)字人視頻渲染軟件1套3智能剪輯創(chuàng)作渲染軟件1套4數(shù)字人內(nèi)容生成平臺數(shù)字人主控管理中臺1套5數(shù)字人形象克隆1套61套71套8數(shù)字人一鍵合成1套9渲染輸出1套21套多語種/方言口音TTS播報(bào)1套直播數(shù)字人推流直播對接開發(fā)1套數(shù)字人內(nèi)容生成平臺定制化開發(fā)內(nèi)容生成模塊指定接口對接、定制化開發(fā)1套2套1套直播數(shù)字人模型定制化訓(xùn)練與私有化部署20個(gè)數(shù)字人專屬云與數(shù)字人訓(xùn)練生成算法及視頻渲染配套專屬云服務(wù)3年數(shù)字人直播設(shè)備數(shù)字人直播配套專屬編碼器1套數(shù)字人直播配套專屬切換器1套要求提供包含數(shù)字人訓(xùn)練生成算法和搭載該算法及文字生成視頻的整體軟1.1.3數(shù)字人形象支持無場景限制開模，包含人物運(yùn)動及靜態(tài)；1.1.4數(shù)字人訓(xùn)練數(shù)量無限制；1.2滿足數(shù)字人生成在算法架構(gòu)上的核心技術(shù)要求1.2.1支持端到端多模態(tài)融合架構(gòu)，需集成NeRF渲染及輕量化TTS語音驅(qū)31.2.2支持動態(tài)量化壓縮：基于TensorRT-LLM進(jìn)行FP16/INT8混合精度量1.2.3支持自適應(yīng)負(fù)載均衡：支持CPU/GPU資源動態(tài)分配，單節(jié)點(diǎn)可滿足承載1080p/30fps的實(shí)時(shí)渲染；1.3滿足數(shù)字人生成的超高擬真度與穩(wěn)定性1.3.1支持高保真神經(jīng)輻射場(NeRF)+4D動態(tài)捕捉數(shù)據(jù)庫，微表情精度要1.3.2支持毛孔級細(xì)節(jié)渲染，實(shí)現(xiàn)人物還原度>99%;1.3.3支持光流引導(dǎo)的LSTM運(yùn)動平滑算法，實(shí)現(xiàn)面部關(guān)鍵點(diǎn)抖動率要求≤1.3.4支持集成Wav2Lip++與音素級唇形映射的唇形同步優(yōu)化技術(shù)，唇形同步誤差要求<5ms;1.3.5支持實(shí)時(shí)光追(RTXDI)+環(huán)境光遮蔽(SSAO)動態(tài)補(bǔ)償，實(shí)現(xiàn)不同光照條件下膚色與材質(zhì)的一致性要求>99%。1.3.7支持Vulkan多線程管線和H.265硬編碼；1.3.8要求視頻渲染合成實(shí)時(shí)率：1080p高清視頻推理速度≥1:1,4K視頻推理速度≥1:3;1.3.9支持1080p/30fps實(shí)時(shí)渲染，實(shí)時(shí)并發(fā)渲染任務(wù)≥3路。(三)數(shù)字人內(nèi)容生成平臺要求提供一套數(shù)字人內(nèi)容生成平臺，平臺核心功能模塊需一次性私有化授權(quán)部署或第三方API接入開發(fā)，并確保數(shù)字人生成視頻核心業(yè)務(wù)流程穩(wěn)定運(yùn)行。1.主控管理中臺1.1支持核心產(chǎn)品能力全鏈路對接：確保數(shù)字人形象克隆、AI聲音克隆、AI智能對口型、數(shù)字人一鍵合成、多語種/方言口音TTS播報(bào)、渲染輸出、直播數(shù)字人推流直播等核心模塊能力與系統(tǒng)平臺無縫對接，實(shí)現(xiàn)從素材輸入到視頻生成的全流程閉環(huán)。4記(如待處理、處理中、已完成、異常)。1.3權(quán)限管理中樞：提供素材庫雙向同步接口及視頻成果一鍵回傳指標(biāo)，提供錯(cuò)誤日志關(guān)聯(lián)分析，確保業(yè)務(wù)中斷恢復(fù)時(shí)間≤10分鐘。2.1.1支持對不限數(shù)量的真人1:1復(fù)刻(綠幕/實(shí)景),需多維度還原指定真人數(shù)字人，生成的數(shù)字人覆蓋場景包含但不限2.1.3支持人物站姿、坐姿、走動，臉部不低于30度的轉(zhuǎn)動及手部動作。2.2支持形象克隆輸入數(shù)據(jù)為單人物口播的MP4格式視頻文件；2.3提供不少于50個(gè)無版權(quán)/肖像權(quán)爭議的數(shù)字人模特(涵蓋不同年齡段/要求音色相似度≥90%;53.1.2聲音連貫性與自然性：合成語音流暢無卡頓，過渡自然，無顯著機(jī)器合成感或不連貫的語句；3.2支持至少兩檔長短音頻樣本的聲音克隆方案。3.2.1提供≤60秒短音頻樣本可完成聲音克??；3.2.2提供≥5分鐘長音頻樣本完成克隆，并實(shí)現(xiàn)音色的情感遷移和跨語種3.3支持聲音克隆輸入數(shù)據(jù)為無環(huán)境噪音、回聲，單人錄制的MP3格式音3.4支持API方式提供聲音克隆服務(wù)；3.5提供不少于1000人次的聲音音色克隆服務(wù)，聲音資產(chǎn)歸建設(shè)方所有。4.AI智能對口型4.1支持多格式音頻文件，包括支持上傳MP3、M4A、WAV等主流音頻格式文件(含XX方言及外語),兼容數(shù)字人形象克隆模塊輸出的預(yù)訓(xùn)練模型數(shù)據(jù)規(guī)范，確保音畫輸入源統(tǒng)一化處理。4.2支持克隆形象精準(zhǔn)驅(qū)動：通過標(biāo)準(zhǔn)化數(shù)據(jù)管道實(shí)時(shí)聯(lián)動數(shù)字人形象克隆模塊，調(diào)用預(yù)訓(xùn)練的形象模型生成口型同步視頻，實(shí)現(xiàn)音頻流對克隆人物形象的毫秒級驅(qū)動響應(yīng)。4.3支持基于音素-視覺映射的實(shí)時(shí)渲染引擎，將音頻流輸入與克隆形象的面部拓?fù)浣Y(jié)構(gòu)動態(tài)綁定，確保唇形、下頜運(yùn)動與音頻波形嚴(yán)格匹配，口型同步誤差要求≤0.1秒。4.4支持自適應(yīng)形象參數(shù)調(diào)整，根據(jù)數(shù)字人形象克隆模塊輸出的面部特征參數(shù)(如嘴部開合比例、牙齒可見度),自動優(yōu)化唇形軌跡預(yù)測算法，消除不同形象建模導(dǎo)致的音畫偏移問題。5.數(shù)字人一鍵合成5.1支持融合數(shù)字人形象克隆模塊、AI聲音克隆模塊、AI智能對口型模塊及多語種/方言口音TTS播報(bào)模塊的核心能力，確保各模塊技術(shù)能力無縫銜接，為數(shù)字人視頻合成提供全鏈路技術(shù)支撐。65.2支持通過數(shù)字人形象選擇、聲音選擇、語言選擇(含多語種及XX語在內(nèi)的方言)、口播文案輸入、標(biāo)題字幕輸入等多維度選項(xiàng)配置，滿足基礎(chǔ)數(shù)字人視頻制作需求。5.3支持通過上述合成流程，實(shí)現(xiàn)AI聲音克隆、AI配音、AI智能對口型三大核心數(shù)字人視頻合成功能，一鍵觸發(fā)數(shù)字人播報(bào)視頻生成流程，無需多步驟手動操作，確保視頻生成高效便捷。6.數(shù)字人渲染提供匹配數(shù)字人視頻渲染軟件與數(shù)字人內(nèi)容生成平臺及數(shù)字人核心算法軟件兼容，確保渲染輸出的視頻符合數(shù)字人形象還原度、唇形同步等核心技術(shù)指標(biāo)要求，并實(shí)現(xiàn)多路并發(fā)渲染任務(wù)功能：6.1支持4K視頻渲染：按單條3分鐘/單臺訓(xùn)練服務(wù)器計(jì)，4K視頻的渲染效率≥6條/小時(shí)。6.2支持1080P視頻渲染：按單條3分鐘/單臺訓(xùn)練服務(wù)器計(jì)，1080P視頻的渲染效率≥20條/小時(shí)。6.3支持渲染軟件需具備同時(shí)處理多路渲染任務(wù)的能力，保障多任務(wù)并行時(shí)的穩(wěn)定性與效率。7.數(shù)字人后臺運(yùn)營管理7.1支持內(nèi)容管理功能，包括對數(shù)字人形象庫、音色庫、視頻素材、成品視頻等數(shù)字資產(chǎn)的上傳、分類、存儲、檢索、編輯及刪除操作，實(shí)現(xiàn)資產(chǎn)全生命周期管理，且支持批量處理。7.2支持視頻分發(fā)管理功能，包括將數(shù)字人生成視頻向電視臺、新媒體平臺等多渠道分發(fā)，可配置分發(fā)參數(shù)、監(jiān)控分發(fā)進(jìn)度及狀態(tài)(如成功、失敗、待審核),并提供分發(fā)記錄查詢功能。7.3支持賬號與權(quán)限管理功能，包括支持賬號創(chuàng)建、注銷、信息修改等全生命周期管理；支持系統(tǒng)級、部門級(≥20個(gè))、個(gè)人級的多級權(quán)限設(shè)置，實(shí)現(xiàn)資產(chǎn)及內(nèi)容的權(quán)限隔離與分級管控。7.4支持通過福云平臺統(tǒng)一認(rèn)證授權(quán)登陸數(shù)字人平臺，實(shí)現(xiàn)用戶體系與權(quán)限7映射打通。7.5支持?jǐn)?shù)據(jù)分析與統(tǒng)計(jì)功能，包括對數(shù)字人訓(xùn)練數(shù)量、視頻生成量、聲音克隆等數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，生成可視化報(bào)表(如柱狀圖、折線圖),并支持?jǐn)?shù)據(jù)導(dǎo)出。7.6支持系統(tǒng)監(jiān)控與更新管理功能，實(shí)時(shí)監(jiān)控平臺運(yùn)行狀態(tài)(如服務(wù)器負(fù)載、任務(wù)進(jìn)度、模塊異常),支持對數(shù)字人模型、算法版本、功能模塊的更新推送與進(jìn)度監(jiān)控，異常時(shí)實(shí)現(xiàn)預(yù)警并記錄。7.7提供基于B/S架構(gòu)瀏覽器的視頻創(chuàng)作工具，允許用戶無論在何地都能通過網(wǎng)絡(luò)訪問并使用專業(yè)的視頻編輯功能，包括但不限于視頻剪輯、實(shí)時(shí)預(yù)覽、多軌編輯、音頻編輯、色彩校正、轉(zhuǎn)場、特效、濾鏡、貼紙及字幕添加功能，同時(shí)支持云協(xié)作和項(xiàng)目管理，以滿足創(chuàng)作者在不同地點(diǎn)共同創(chuàng)作和編輯視頻內(nèi)容的需7.7.1產(chǎn)品適配性要求：云剪輯創(chuàng)作工具支持用戶賬號系統(tǒng)接入，可實(shí)現(xiàn)賬號統(tǒng)一登陸；云剪輯創(chuàng)作工具支持媒資系統(tǒng)接入，可實(shí)現(xiàn)在工具中調(diào)用媒資系統(tǒng)素材進(jìn)行上軌時(shí)間線編輯；云剪輯創(chuàng)作工具可支持內(nèi)容發(fā)布系統(tǒng)接入，可實(shí)現(xiàn)生成的視頻成片一鍵發(fā)布到指定系統(tǒng)中；服務(wù)端視頻合成渲染可支持ARM64架構(gòu)CPU及國產(chǎn)操作系統(tǒng)；支持提供接口相關(guān)源代碼用于二次開發(fā)7.7.2產(chǎn)品功能要求：7.7.2.1支持多軌道時(shí)間線編輯，且支持多個(gè)時(shí)間線序列嵌套組合編輯，每個(gè)序列支持以獨(dú)立的時(shí)間線進(jìn)行編輯；支持智能識別人臉自動馬賽克效果；7.7.2.2支持本地素材和云端素材混合在時(shí)間線軌道上實(shí)時(shí)編輯，本地素材無需上傳完成即可編輯，可通過URL網(wǎng)絡(luò)地址直接訪問編輯無需預(yù)轉(zhuǎn)碼進(jìn)行幀精確定位；7.7.2.3支持視頻涂鴉標(biāo)記，可在監(jiān)視器上用涂鴉的方式進(jìn)行各種形狀線條進(jìn)行標(biāo)記，標(biāo)記后的信息可進(jìn)行視頻生成；支持智能校色，可實(shí)現(xiàn)一鍵智能對視頻曝光、鮮明度、高光、陰影、對比度、亮度、黑點(diǎn)、飽和度、自然飽和度、色溫、8色調(diào)、銳度、清晰度、噪點(diǎn)去除、暗角14項(xiàng)參數(shù)進(jìn)行自動檢測處理，并支持手動調(diào)節(jié)參數(shù)及人像模式(效果不能出現(xiàn)膚色異常、過曝過暗)7.7.2.4支持GPU硬件解碼，可實(shí)現(xiàn)本地4K(H264/H265)視頻實(shí)時(shí)剪輯；支持Web端實(shí)時(shí)處理視頻人像背景分割智能替換背景、實(shí)時(shí)處理音頻變聲實(shí)現(xiàn)男聲、女聲、卡通、怪獸效果，無需預(yù)轉(zhuǎn)碼處理；7.7.2.5支持PPT轉(zhuǎn)視頻引擎技術(shù)，可實(shí)現(xiàn)自動解析PPT圖元、文字信息進(jìn)行二次修改，生成視頻；可支持ARM架構(gòu)CPU及自主可控操作系統(tǒng)；7.7.2.6支持字幕特效渲染引擎技術(shù)，可實(shí)現(xiàn)字幕逐字動畫、富文本、局部花字效果設(shè)置生成視頻；支持從右到左(如阿拉伯文)排版渲染，也支持從左到右與從右到左文字混合排版渲染；可實(shí)現(xiàn)單個(gè)emoji表情文字和組合emoji表情文字混合排版渲染，其中組合emoji表情文字會作為整體渲染呈現(xiàn)(非拆分單個(gè)單行呈現(xiàn)),其逐字動畫效果也以組合形式協(xié)同運(yùn)行。7.7.2.7支持視頻編輯功能，基礎(chǔ)功能包含：視頻尺寸設(shè)定：支持4K級別制作，可自定義分辨率、碼率、畫幅、幀率多段混合編輯：不限素材數(shù)量，可隨意導(dǎo)入視頻、照片進(jìn)行編輯制作；編輯無預(yù)處理：任意視頻畫幅分辨率，無需預(yù)處理，直接進(jìn)入視頻編輯；效果實(shí)時(shí)預(yù)覽：添加濾鏡主題等各種特效，均無需等待，直接預(yù)覽效果動畫貼紙：包含靜圖、復(fù)雜運(yùn)動，有聲貼紙等多種貼紙效果；多次添加貼紙：可以在視頻制作中，任意添加多個(gè)貼紙；基礎(chǔ)轉(zhuǎn)場：實(shí)現(xiàn)片段間過渡，轉(zhuǎn)場默認(rèn)為1秒，可以縮短，縮短后轉(zhuǎn)場動畫會變快，基礎(chǔ)轉(zhuǎn)場共有12種，分別是：淡入淡出、翻轉(zhuǎn)、層疊、伸展進(jìn)入、卷頁、鏡頭眩光、星形、閃黑、閃白、右推拉、上推拉、斜推；特效轉(zhuǎn)場：獨(dú)有的絢麗轉(zhuǎn)場效果，電影級別效果，數(shù)十種轉(zhuǎn)場可選；視頻裁剪：對某一段視頻的長度進(jìn)行裁剪(精確到幀);素材刪除：可以刪除多段制作中的某一個(gè)視頻或圖片；視頻圖片添加：在多段制作中，插入一個(gè)新的視頻或圖片；素材排序：調(diào)整多段制作中的視頻/圖片的順序；圖片時(shí)長設(shè)定：設(shè)定圖片展現(xiàn)的時(shí)長，時(shí)長不限；視頻&圖片旋轉(zhuǎn)：可以旋轉(zhuǎn)視頻、圖片的方向；9視頻分割：可以將視頻切割成多個(gè)片段(精確到幀);圖片運(yùn)動：可以設(shè)定圖片的運(yùn)動效果(開始結(jié)束畫面);設(shè)定輸出的尺寸：可以設(shè)定需要輸出的分辨率和碼率(最高支持4K);設(shè)定視頻水印：可以添加一個(gè)水印貼紙(后臺生成)作為視頻水印，水印可生成視頻：最終打包生成視頻，生成MP4或MOV等視頻格式。獨(dú)立音量調(diào)節(jié)：視頻原聲、音樂、配音、等各在創(chuàng)作工具中使用，助力打造精彩視頻；PC客戶端特效工的可視化編輯能力，支持多圖層合成、關(guān)鍵幀動畫、表達(dá)式、≥15種軌道疊加方式，且實(shí)時(shí)渲染、效果所見即所得(自主知識產(chǎn)權(quán)不基于三方軟件及插件),100個(gè)字幕、100個(gè)轉(zhuǎn)場類型特效素材。7.7.2.10支持提供特效素材創(chuàng)作管理平臺，用于PC端視頻創(chuàng)作工具統(tǒng)一存儲、管理、審核和上傳各類視頻特效素材，如濾鏡、特效、貼紙、字幕、轉(zhuǎn)場、視頻模板等各類型特效素材。平臺可根據(jù)不同類型的特效素材進(jìn)行自定義二級、三級分類設(shè)置，用于創(chuàng)作工具統(tǒng)一展示。創(chuàng)作工具可支持多終端視頻編輯創(chuàng)作能力擴(kuò)展延伸，從而支撐本項(xiàng)目未來建設(shè)升級規(guī)劃。要求包含以下內(nèi)容：7.7.3.1移動端創(chuàng)作工具可繼承使用PC端特效工具制作的各類特效素材，如字幕、轉(zhuǎn)場、特效等；移動端創(chuàng)作工具支持和Web端創(chuàng)作工具云端互聯(lián)互通，工程草稿可通過時(shí)間線故事板方式打開，且特效、字幕、轉(zhuǎn)場等效果一致，移動端創(chuàng)作工具支持鴻蒙Next操作系統(tǒng)，支持視頻智能畸變矯正、四向梯形矯正、水平矯正效果處理；7.7.3.2PC客戶端創(chuàng)作工具可繼承使用PC端特效工具制作的各類特效素材，如字幕、轉(zhuǎn)場、特效等；PC端創(chuàng)作工具支持和Web端創(chuàng)作工具云端互聯(lián)互通，工程草稿可通過時(shí)間線故事板方式打開，且特效、字幕、轉(zhuǎn)場等效果一致，PC端創(chuàng)作工具支持Windows、macOS、Ubuntu操作系統(tǒng)，支持視頻智能多攝拼接、柔光鏡效果處理。8.多語種/方言口音TTS播報(bào)8.1支持上傳任意人物聲音音頻，通過生成與音頻中人物聲音高度還原的多語種/中文方言口音音色模擬語音合成TTS播報(bào)功能，語音的音質(zhì)、語氣、語調(diào)與原聲音高度匹配。8.2提供包含中文在內(nèi)的多語種語音合成TTS模型服務(wù)，其中中文需支持臺灣口音訓(xùn)練，且整體語種數(shù)量要求≥20種，滿足不同語言場景下的播報(bào)需求。8.3支持對生成的TTS語音進(jìn)行聲音設(shè)置，包括語速設(shè)置(提供至少3檔不同倍速調(diào)節(jié)，如0.5倍速、1.0倍速、1.5倍速等)和音量大小設(shè)置(支持0-100%區(qū)間的精準(zhǔn)調(diào)節(jié)),提升語音播報(bào)的靈活性。8.4支持API方式提供接入多語種/方言口音TTS播報(bào)服務(wù)。8.5生成的TTS語音需具備自然流暢性，無明顯機(jī)器合成感，語句過渡平滑；試聽不同設(shè)置(如語種、語速、音量)下的效果，便于及時(shí)調(diào)整優(yōu)化。9.1支持根據(jù)所提供的真人音/視頻采集素材，訓(xùn)練直播數(shù)字人模型，并由9.2支持標(biāo)準(zhǔn)協(xié)議推流，直播推流時(shí)延要求≤3s;9.5支持創(chuàng)建管理直播方案，并綁定已配置互動話術(shù)功能；9.6支持智能生成直播腳本功能，包括但不限于通過手動錄入商品信息生成、9.7支持直播智能互動話術(shù)回復(fù)功能，即根據(jù)直播場景下不同類型指令配置發(fā)全新AI能力，以及實(shí)現(xiàn)建設(shè)方指定的第三方1.1支持定制AI智能文案模塊功能，通過API方式接入建設(shè)方指定第三方或本地部署的語言大模型，實(shí)現(xiàn)已輸入口播稿、主持串詞、新聞通稿等文本的持的多樣化改寫，包括同義詞替換(自動替換近義