自2021年以来，音频驱动虚拟人合成技术迅速发展，结合静态图像与音频生成同步视频，广泛应用于直播和客服等领域。主要技术挑战包括身份保持与音视频同步。近年来，扩散模型成为主流，推动了该领域的进步。关键研究包括Hallo2、Let Them Talk和OmniHuman-1，分别聚焦于长视频生成、多人人物对话及全身数字人模型，展现出显著的技术突破与商业潜力。

美团开源了LongCat-Video-Avatar 1.5数字人视频模型，提升了唇形同步、稳定性和多人互动能力。通过优化音频特征提取和数据处理，该模型在复杂场景中表现优异，生成效率提高15倍，适用于电商直播和教学等多种场景，推动数字人视频的实际应用。

美团龙猫LongCat发布了LongCat-Video-Avatar 1.5，提升了数字人视频模型的唇形同步、物理合理性和多人互动能力，支持复杂场景下的高质量内容输出，推理效率提升约15倍。团队希望通过开源推动数字人视频技术的发展。

绿盟科技推出安全数字人平台，旨在提升安全运营效率。该平台通过数字人团队自主运行，解决传统安全运营中的自动化僵化、数据割裂和经验依赖等问题。用户可通过自然语言与数字人协作，快速完成任务，并支持多种外部系统对接，具备自我进化能力。未来，绿盟科技将继续推动数字人在安全运营中的应用，助力企业实现战略价值提升。

绿盟科技推出安全数字人平台，旨在提升安全运营效率，利用AI技术实现从被动响应到主动防御的转变。线上发布会定于5月14日举行，展示平台功能及实战演示。

SentiPulse与人大高瓴联合推出开源3D数字人框架SentiAvatar，旨在突破数字人行业的表达与动作瓶颈，实现自然流畅的交互。该框架通过高质量数据集和创新模型，提升数字人的情感表达能力，支持实时生成动作与表情，推动数字人向“理解交流”发展。

口语学习的难点在于开口说，外教费用高且教学质量不一。AI技术通过实时互动和多模态能力，提供低成本的口语陪练，突破传统教学瓶颈。ZEGO推出AI数字人口语教学方案，满足不同年龄段需求，帮助教育机构降低成本，提高学习效率。

通过优化AI数字人导购对话性能，端到端延迟从5.64秒降低至1.32秒，提升幅度达76.6%。优化措施包括建立高精度性能监控体系、集成Qwen Omni模型和设计音频窗口缓冲机制，显著改善用户体验和系统稳定性。

思享无限控股有限公司宣布其AI主播已在多款国内外直播产品中投入运营，标志着AI技术的商业化进程。通过真人主播数据训练生成的主播分身，实现24小时直播，提升用户留存率和内容供给。海外平台Beelive也已运营数字人主播，验证了其在不同市场的可复制性。

文章讨论了人工智能的应用与发展，强调其在各领域的潜力和影响，尤其在提升效率和创新方面的重要性。

为解决多场景展示中形象的性能问题，本文提出将形象导出为视频或动图，最终选择Puppeteer + H5渲染帧 + FFmpeg合成视频的方案，以确保渲染效果一致、降低接入成本并支持规模化应用。

AI Shortlist 是一项精选内容，展示最新的人工智能技术和应用，汇集行业创新案例和研究成果，帮助用户了解AI的发展趋势和潜在影响。

AI短名单是对长篇文章的简要概述，旨在提炼出核心信息。

携程数字人直播是一种通过数字人进行商品讲解和用户互动的新模式，已完成数千场直播。该模式结合音色复刻和唇形同步技术，克服了真人直播的局限性，具备高保真音色、实时互动和成本控制等优势。未来将持续完善功能，探索更多应用场景。

纽约的AI视频平台Kaltura以约2700万美元收购以色列初创公司eSelf.ai，后者专注于对话式虚拟形象。此技术将增强Kaltura视频产品的实时互动能力，提升其市场竞争力。