文档中心

图像生成大模型

实时互动数字人SDK

实时互动数字人SDK-产品介绍

1. 产品介绍

1.1 产品名称

实时互动数字人 SDK

1.2 产品介绍

实时互动数字人 SDK 基于 Flowact-R1 模型、豆包端到端实时语音大模型，面向陪聊、客服、教学等实时互动场景设计。产品可与用户自然互动，输出响应式实时视频流，实现低延迟、高灵活性的数字人对话。

与 OmniHuman1.5 等 "图 + 音频→离线视频" 的生成式数字人不同，实时互动数字人采用流式生成范式：客户端通过 WebSocket / RTC 持续推送音频，服务端返回声画同步的视频帧，支持 480P@25fps 实时输出。结合端到端实时语音能力，实现了 "看得见、听得懂、能对话" 的数字人 Agent，广泛应用于陪伴聊天、在线客服、教学互动、企业培训等场景。

1.3 产品优势

流式低延迟生成：基于流式视频生成架构，端到端首帧响应约2秒左右（不含语音对话模块），声画毫秒级同步。

极低形象创建成本：仅需一张人物图即可生成对应的数字人形象，无需录制真人视频，无需形象训练。

动作可控：可根据用户对话，实时自动生成符合对话场景的数字人动作，无需额外输入动作指令。

可快速集成：SDK集成了 Flowact-R1 模型、豆包端到端实时语音大模型、RTC等技术，也快速集成至业务APP中。

注意：模型生成具有一定随机性，部分动作可能无法响应；视频时长过长后存在一定概率画面崩坏，建议结合业务场景设置会话长度策略。

1.5 使用建议

数字人形象图：建议使用清晰、正面的半身高质量真人图片，避免极端角度或人脸占比过小。

对话音频：支持用户使用中英文与数字人SDK自然对话，暂不支持其他语种。

动作提示：使用简单清晰的动作要求，对话过程中遵循 "清晰、不矛盾、少否定" 原则。

会话时长：单次连续会话建议结合业务设置心跳与最大时长，长时间会话建议分段或在场景空闲处重连。

2. 入参与出参说明

入参	图片 + 对话	说明
图片要求	必填	输入图片画幅比例应为1:1, 3:4, 4:3, 9:16, 16:9 图片格式支持 jpeg 、jpg 、png ，分辨率需在 480✖️480 以上，1920✖️1080 以内同时支持人脸表情和肢体动作驱动，真人半身图片且画面背景简单的图片驱动表现最好驱动范围：全脸+肢体，使用动作描述参数可以控制数字人动作（仅能支持部分动作）图片支持真人（半身简单背景图最佳）、动漫、常见宠物（猫狗等）的驱动；动漫与宠物可能表现不佳
音色	必填	支持语音模型的自定义音色
对话	必填	支持中英文对话

出参	实时数字人视频流	说明
分辨率	480P	当前默认输出规格
帧率	25 fps	声画同步
首帧响应	约 2-3s	不含语音对话模块时延

3. 服务开通与计费规则

3.1 服务开通

您需要使用火山账号登录控制台，在数字人页面开通「实时互动数字人SDK」能力；

服务开通后，您可以选择参考对应的SDK接口文档进行接入。

平台/语言	接入文档
Web	实时互动数字人 Web SDK-接口文档
iOS	实时互动数字人 iOS SDK-接口文档
Android	实时互动数字人 Android SDK-接口文档

3.2 计费规则

使用服务前需先购买并发，费用如下，服务高峰期可能会遇到排队

步骤	单价	备注
1并发包月	42000元	购买前请联系商务确认资源
1并发包年	420000元	购买前请联系商务确认资源

3.3 欠费关停策略

账户可用余额不足或账户可用余额小于0被扣为负值，即为欠费。

账户欠费起2个小时内可正常使用服务。

自账户欠费起24个小时仍未能补缴所有欠费账单，视为主动放弃服务，资源将被释放且无法恢复。

最近更新时间：2026.07.31 14:24:13

这个页面对您有帮助吗？

有用

无用