让重复介绍随时可用
把产品概况、参观指引和常见问题整理成可维护内容，为访客提供一致的第一轮介绍。
内容组织 → 稳定表达01 / FROM TECHNOLOGY TO BUSINESS让数字人，
让数字人，
从播放讲解到回应问题。
把生成式 AI 接进服务流程：以业务资料组织回答，用语音传达内容，再由实时数字人承接表达。每一项技术，都对应一个具体的使用问题。
2022–2023 早期应用项目回顾框架
THE USE CASE
先有需要被解决的问题。
以企业展厅接待与产品讲解为示例，定义数字人能做什么，以及什么时候应该交给人。
让固定脚本能够被追问
在预设讲解之外，根据当前问题补充解释，让访客按自己的兴趣了解产品和适用场景。
上下文管理 → 连贯问答让回答有依据，也有边界
对价格、承诺和资料之外的问题明确保留，引导人工确认，避免用流畅表达替代可靠信息。
范围约束 → 人工承接02 / EXPERIENCE THE FLOW
一句提问，经过哪些环节？
选择一个问题，回放从输入到角色播报的方案链路，观察文本、语音与展示如何衔接。
SCENARIO PLAYBACK展厅接待 / 中文
预设交互示意 · 无模型调用、无语音输出 · 非历史运行记录
RESPONSE / 示例回复
选择问题，查看链路
ORCHESTRATION04 STEPS
- 01输入与会话接收文字，保留必要上下文
- 02业务资料与回答RAG 检索、数据库查询与依据组织
- 03语音与同步生成语音，准备字幕与口型
- 04UE 角色表达协调音频播放与角色状态
超出范围的问题使用明确回复，再引导人工；动画步骤仅解释系统设计。
03 / SYSTEM DESIGN
技术架构
UE 客户端、Python 服务、模型与数据层。
按 2023 年下半年的技术能力组织。
HTTP / WebSocket 传递会话与播放事件；Live Link 传递音频与面部权重。
● ● ● reference-project / 建议工程结构
metahuman/
├─ unreal/Source/DigitalHuman/
│ ├─ MetaHumanSubsystem.cpp
│ ├─ SpeechPlaybackComponent.cpp
│ └─ SessionWebSocketClient.cpp
├─ unreal/Content/MetaHumans/
│ └─ ABP_MetaHumanFace
├─ server/
│ ├─ api/chat.py
│ ├─ services/
│ │ ├─ conversation.py
│ │ ├─ retrieval.py
│ │ └─ speech.py
│ ├─ providers/openai_client.py
│ ├─ repositories/postgres.py
│ └─ workers/ingest.py
└─ config/
├─ prompts/assistant.txt
└─ migrations/001_initial.sql● ● ● interfaces / event contract
// request
POST /v1/messages
{ session_id, request_id, text }
// response event
response.ready {
request_id,
utterance_id,
sequence,
text,
sources: [chunk_id],
audio_url
}
// UE → server
playback.ack { utterance_id, status }
request.cancel { request_id }
// state machine
Idle → Thinking → Speaking → Idle
↘ Error / CancelledUE 5 / MetaHumanFastAPIGPT-3.5 TurboAda-002PostgreSQL / pgvectorRedisAzure TTSAudio2Face / Live Link
架构与目录为实现设计；本网页展示交互与流程，不运行 UE、模型服务或数据库。
04 / ENGINEERING JUDGMENT
落地，体现在这些取舍里。
以下为方案设计原则；个人负责范围与当年完成程度，需结合原项目经历进一步核实。
先让一条链路可靠运行
文字输入作为基础入口。语音识别可后续接入，先验证回答是否有用、播报是否连贯。
短回答，留出继续提问的空间
限制单次回复长度，按句组织播报，减少等待与长时间独白，保留自然追问的节奏。
动态问答与固定讲解并存
核心介绍使用审核后的脚本，常见问答可缓存，开放问题再进入生成环节，兼顾稳定性与灵活性。
等待、失败，也属于体验
用角色待机和状态提示承接生成等待。语音失败时显示文本，接口超时则返回明确反馈。
业务内容可以单独维护
把产品资料与角色资源分开管理，更新讲解内容时减少重新制作角色和动画的工作。
评估完整流程，而非单项效果
检查问题覆盖、回答依据、语音可懂度和音画同步。未保留实测记录的指标，不写成项目成绩。
VISUAL PRODUCTION2022 → 2023
业务简报
Brief
→Brief
风格探索
Stable Diffusion
→Stable Diffusion
筛选与修改
Human review
Human review
参数与种子
＋ComfyUI 流程
→可复用输出
结构示意，非原项目工作流截图。生成结果仍需人工选择、修整与用途审核。
05 / ADJACENT EXPLORATIONS从“生成一张图”，
从“生成一张图”，
到可复用的生产流程。
Stable Diffusion 为提案视觉、场景概念和内容素材带来新的探索方式。ComfyUI 则让节点、参数和处理步骤更容易被记录与复用。
在这一页，它们服务于内容生产的补充叙事。数字人形象本身由 MetaHuman 承担，不将图像生成写成角色建模能力。
06 / BUILT WITHIN ITS TIME
让每一项能力，回到它的年代。
时间线记录产品的公开可用时间，作为方案还原依据，不代替个人项目履历。
视觉生成开放探索
Stable Diffusion 公开发布，为本地图像生成与视觉方案探索提供基础。
发布于 08.22 ↗对话交互的新入口
ChatGPT 研究预览上线，基于 GPT-3.5 系列。此时不能写成正式 Turbo API 集成。
发布于 11.30 ↗正式 API 连接业务
GPT-3.5 Turbo API 发布，可将对话生成纳入应用接口链路；ComfyUI 已于当年 1 月起步。
API 发布于 03.01 ↗音频与角色动画连接
Audio2Face 2023.1.1 加入 UE Live Link 工作流，为下半年方案提供口型驱动路线。
更新于 07.25 ↗关于这份项目回顾
已确认的方向：UE MetaHuman 展示与 GPT-3.5 文字输出。当前页面补充了符合当年条件的解决方案；原始项目日期、业务场景、TTS 供应商、个人贡献及口型完成情况待确认。页面不包含未经核实的客户、收益数据或历史实录。宇航员沿用用户提供的 Lumora 模板素材。
已确认的方向：UE MetaHuman 展示与 GPT-3.5 文字输出。当前页面补充了符合当年条件的解决方案；原始项目日期、业务场景、TTS 供应商、个人贡献及口型完成情况待确认。页面不包含未经核实的客户、收益数据或历史实录。宇航员沿用用户提供的 Lumora 模板素材。