数字人口播解决的是“让内容以数字人形象表达出来”。常见流程是输入文本或音频，选择数字人形象和声音，然后生成视频文件。这种方式适合课程介绍、新闻播报、产品讲解、营销短视频等内容生产场景。实时互动数字人解决的是“让用户和数字人实时交流”。用户说一句话，系统要完成语音识别、意图理解、知识检索、答案生成、语音合成、数字人驱动和音视频传输。用户还可能打断、追问、切换话题，甚至要求系统转人工或触发业务流程。

摘要： RTC（实时音视频）场景下的算法面临独特挑战，需在低延迟、低功耗、长时间稳定运行等约束下平衡效果与性能。与追求极致画质的离线算法不同，RTC算法更注重“长期稳定可用”。视频领域，超分辨率、色彩增强、低照度增强、降噪和主体分割等算法需适配移动端算力，避免闪烁或失真；音频领域，实时变声和语音克隆需兼顾低延迟与音质保真。RTC算法的核心是工程化能力，如即构等厂商通过轻量化设计和多平台适配实现落地