数字人直播术语表
这份术语表收录数字人直播常用的 16 个词：数字人直播、端侧推理、端到端、四项检测、口型同步、语音合成、声音克隆、实时率、绿幕抠像、人像分割、智能绿幕、主机与副机、口播话术、商品知识库、弹幕问答、热节流。
看直播工具的资料时最容易被一堆术语绕住。这份表把常用词按「是什么」讲清楚，不谈实现细节。
术语与解释
数字人直播
用虚拟形象代替真人出镜，由程序驱动口型与动作、配合语音合成完成口播的直播形式。
端侧推理
把 AI 模型的运算放在用户自己的设备上执行，而不是送到云端服务器。夯播助手的数字人渲染、话术生成、语音合成都在端侧完成。
端到端
从输入到输出的整条链路在一个闭环内完成。这里的端到端指「形象 → 话术 → 声音 → 画面」全部在手机本机跑完，中间不依赖云端算力。
四项检测
App 首次启动时的设备能力检测：CPU 算力、GPU（OpenCL）可用性、NPU（芯片自带 AI 引擎）能否调用、以及性能实测。四项通过才能当主机。
口型同步（Lip Sync）
让数字人的口型动作与合成语音在时间上对齐，避免「嘴动得和声音不一样」。
语音合成（TTS）
Text-to-Speech，把文字转成语音。本机实时合成就意味着说完立刻出声，不需要等云端返回。
声音克隆
用一段本人录音让模型学到你的音色与语气，之后任何文本都能用你的声音念出来。
实时率（RTF）
Real-Time Factor，合成耗时与音频时长的比值。小于 1 表示比实时更快，数值越小余量越大。
绿幕抠像
把纯色背景（通常是绿色）从画面里去掉，只保留人物或物体。
人像分割
由模型识别人物轮廓并生成遮罩，不依赖特定背景色，因此不需要绿幕棚。
智能绿幕
根据画面颜色的实际分布自动推断背景并生成遮罩，能处理不均匀、偏色、浅色的绿幕。
主机与副机（一拖多）
主机负责生成画面与声音并分发出去；副机只负责播放，各自在不同平台开播。副机不参与渲染与生成，因此对芯片要求低。
口播话术
直播中口头讲出来的内容，通常按环节分为开场、讲品、痛点、价格、活动、收单、答疑、老客等类型。
商品知识库
一个商品对应的一份信息集合，包含规格、痛点、适合人群、售后规则等，同时作为话术生成与弹幕答疑的依据。
弹幕问答
识别直播间观众评论并自动作答的能力。夯播助手采用三级兜底：商品知识库优先、其次云端、最后转人工客服。
热节流
设备长时间高负载运行后温度升高，系统主动降低处理器频率以保护硬件，表现为性能下降。
常见问题
RTF 多少算好？
小于 1 就表示合成比播放更快；越小的余量越大，越不容易在重负载或降频时卡顿。
端侧推理和云端推理哪个好？
各有取舍：端侧没有按量费用、不依赖网络；云端对本地设备要求低。关键看你的成本结构和设备条件。