一、课程计划

 二、时间安排

第01天：交互式问答数字人发展现状

从一个真实案例开始，介绍当前主流的交互式数字人平台，需求和应用场景，引入交互式数字人的交互流程和关键技术。后续整个直播系列的内容安排。

第02天：音频采集和实时音频推流

介绍基于麦克风的音频采集系统，搭建实时音频推流系统，实现音频实时录制、播放和实时推流。

第03-04天：语音识别：本地离线部署

性能原因考虑，交互式数字人的语音识别采用本地离线部署模式。语音识别离线部署技术选型，模型资源和运行演示。

第05-06天：智能问答：本地chatGPT平替产品离线部署

性能、网络和垂类可用性三个原因考虑，交互式数字人智能问答部分采用本地离线部署模式，这部分介绍当前可用的智能问答系统，重点介绍支持增量微调的开源方案。并演示接入效果。

第07-08天：语音合成：离线部署方案

考虑到性能原因，语音合成部分采用离线部署模式，介绍当前可用的开源语音合成系统和预训练模型。重点介绍支持离线部署的开源方案，并演示部署和接入效果。

第09天：音频特征抽取

结合数字人合成输入需求，进行音频特征抽取，并保存。介绍当前主流的音频特征抽取方案，包括：deepspeech、wav2vec和hubert. 并演示音频特征抽取结果。此处有一个难点就是：如何实现流式处理。

第10-11天：数字人合成：性能极限优化策略

数字人合成方案，采用开源/自研的技术方案，重点介绍如何进行数字人合成的性能提升。在保障效果的情况，性能提升作为第一个要求。

第12天：实时推流：搭建实时推流服务器

实时视频推流服务器技术选型，实时视频推流客户端程序设计，系统联调和运行演示。

第13天：实时播报：实时播报系统设计

实时数字人播报客户端技术选型、程序设计、系统链条和运行演示。

第14天：总结和回顾：扬帆起航

问题总结和回顾，QA答疑。