即构数智人

一、平台定位

即构数智人（官网 aigc.zego.im）是即构科技（ZEGO，深圳市即构科技有限公司）推出的AI数字人创作平台，定位于"Server 数字人 API"，依托即构自研AI引擎，支持服务端快速对接接入，开发者可定制生成自然生动的数字人形象，基于定制形象实时驱动推理输出实时流，轻松实现实时互动、播报、直播等能力。

即构数智人可灵活适配AI陪伴、智能客服、直播电商、AI教师等多元业务场景。核心特色包括图片数字人（推荐）+真人数字人双形态、多种驱动形式（文本/音频/实时音视频流/关键字驱动）、高质量实时流输出（最低延迟<200ms）、极致性价比（精品照片数字人成本仅为传统方案的5%，单分钟<0.3元）、真1080P画质、支持最高2K超清画质、支持2K画质、标准API（最少两个接口即可完成数字人能力构建）、全平台支持（Web/APP/小程序）、多部署方式（公有云/私有化）。核心优势：端到端延迟≈1秒、识别准确率>95%、打断延迟约500ms、消除400+场景噪音、成本降低50%对比传统方案。

二、核心能力

• 图片数字人（推荐）：只需一张图片，经过AI训练即可让图片"活"过来，图片支持真人、卡通、虚拟人等各类形象；生成的形象口齿清晰、表情自然，并能具有一定的自然动作，活泼生动。
• 真人数字人：采集一段真人拍摄视频，经过AI训练后生成神态、动作、表情媲美真人的数字人，可自定义背景、支持最高2k超清画质、支持自定义动作驱动，数字人形象逼真，效果自然。
• 多种驱动形式：通过文本、音频、实时音视频流驱动数字人进行内容生成，可输出最低延迟<200ms的实时音视频流，满足直播、互动对话等超低延时实时互动场景需要。
• 关键字驱动：可通过关键字驱动数字人进行指向性动作，满足自定义行为诉求，让数字人更加生动自然。
• 身体动作驱动：照片数字人驱动支持身体动作，让照片不止会"说"，更能"动"起来，形象"栩栩如生"。
• 自定义动作库：在定制形象时，可生成具有特殊含义的动作，比如"比心""打招呼""比数字"等，可驱动数字人在特殊场景下进行自定义动作。
• 真1080P画质：精品照片数字人支持真1080P画质，按时长计费，单分钟<0.3元。
• 支持2K超清画质：真人数字人支持最高2k超清画质，皮肤纹理、装扮细节细腻自然。
• 极致性价比：精品照片数字人成本仅为传统方案的5%，超低价格、支持大并发，满足用量较大的互动对话、互动教学等场景。
• 端到端超低延迟：全球网络节点就近接入，端到端流式处理，实现全球低至1s的延迟，媲美真人音视频通话效果。
• 精准识别人声：精准锁定主讲人声，消除400+场景噪音及远场人声；有效消除麦克风回采的AI、BGM声音，识别准确率>95%。
• 自然语音优雅打断：精准识别用户说话状态，准确打断AI，不因噪音和远场人声误打断，打断延迟约500ms。
• 低成本服务：完善的示例代码及场景最佳实践，无缝融入IM、语音通话等场景；降低LLM、ASR、TTS等整体链路成本约50%。
• 灵活扩展插件：兼容国内外大语言模型（LLM）、文本转语音（TTS）等，且支持自定义大模型、多模态模型接入及使用。
• AI角色个性化：支持自定义AI人设、音色、数字人形象，结合RAG、LoRA等方式更好地塑造角色。
• 多模态情绪感知：支持学生侧的语音情绪识别（SER），让AI"听懂"情绪；同时数字人结合TTS多情感音色，能输出平静、兴奋、鼓励等带有温度的声音反馈。
• 多TTS厂商支持：支持火山引擎、阿里云、MiniMax等TTS厂商，情绪丰富，音色自然。
• 多ASR模型支持：同时支持阿里云百炼Paraformer系列、Gummy系列、千问系列、Fun-ASR、火山大模型流式语音识别、微软ASR等模型。
• 标准API高效对接：标准化API，最少两个接口即可完成数字人能力构建。
• 全平台支持：兼容Web、App、小程序等多平台。
• 多部署方式：支持公有云、私有化等部署形式。

三、适用场景

• AI陪伴：AI角色具备共情能力与人格化特征，为用户提供个性化互动服务，适用于情感陪伴、心理疗愈等场景。
• AI客服：大模型结合知识库等插件，专属客服精准应答，覆盖学校咨询、政企金融业务咨询等场景。
• AI教育：大模型融合专业教学知识库，结合数字人老师，实现多语种的智能教学，覆盖大班课、1V1口语陪练等场景。
• AI助手：提供信息查询、规划管理等服务，深度赋能日常生活、工作及学习全场景。
• AI硬件：依托声纹识别、音频处理等技术，实现智能硬件的精准控制，覆盖穿戴设备、智能家居等场景。
• 直播电商：7×24h不间断开播，实时评论响应时延≤2秒，自动带货转化率达真人主播60%以上。
• 智能硬件：最佳声纹识别实践方案，多人环境下精准接收指令。
• 互动教学：支持教师克隆，针对教学内容、学科特点打造专属分身。
• 1V1口语陪练：1V1音视频教学，超低延迟，可随时插话打断。
• AI教师：数字人老师，真人、拟真人、3D卡通等多种形象风格。
• 数字人直播：互动直播、电商直播，数字人主播。
• 实时互动对话：超低延时实时互动场景，直播、互动对话。
• AI口语陪练：多模态互动能力，低成本、随时随地的口语陪练。
• 少儿英语启蒙：专为儿童设计的互动模式，真人、拟真人、3D卡通等形象风格。
• 成人实战口语：真实情景还原，美式、英式等多种地道口音切换。

四、使用流程

即构数智人作为B端Server API/SDK服务，标准接入流程如下：

1. 访问入口：浏览器打开 aigc.zego.im 或即构主站 zego.im/product/ai-agent。
2. 注册账号：在ZEGO开发者中心注册并登录账号，完成开发者认证。
3. 选择服务：选择数字人API或实时互动AI Agent，包括图片数字人/真人数字人等形态。
4. 创建应用：在ZEGO控制台创建应用，获取AppID和AppSign。
5. 选择数字人形态：图片数字人（推荐，一张图片即可生成）或真人数字人（采集真人视频）。
6. 定制数字人形象：上传图片或真人视频，AI训练生成数字人形象。
7. 自定义动作库：在定制形象时，生成具有特殊含义的动作，比如"比心""打招呼""比数字"等。
8. 数字人管理：查询数字人形象信息，查询可用的公共/定制的数字人形象、音色列表。
9. 选择驱动方式：支持文本驱动/音频驱动/实时音视频流驱动/关键字驱动，按业务场景选择。
10. 接入API：调用标准化API，最少两个接口即可完成数字人能力构建。
11. 创建数字人音视频流：支持创建/停止数字人音视频流，最低延迟<200ms。
12. 配置LLM/TTS/ASR：兼容国内外大语言模型（阿里云百炼/火山/微软/MiniMax），多TTS厂商。
13. 多模态情绪感知：支持语音情绪识别（SER），多情感音色输出。
14. API调用：调用数字人API，包括ASR/TTS/LLM/数字人驱动等。
15. 合成输出：实时互动延迟约1.5s，媲美真人对话体验。
16. 集成到业务：集成到直播/客服/教育/陪伴等业务系统，真1080P画质或最高2K超清画质。
17. 多平台发布：支持Web、App、小程序等多平台。

小贴士：新手推荐图片数字人（推荐），1张图片即可生成，单分钟<0.3元，成本仅为传统方案的5%；专业场景推荐真人数字人，采集真人视频，最高2K超清画质；教育/客服/直播推荐实时互动AI Agent，端到端延迟≈1秒，打断延迟约500ms；企业私有化推荐私有化部署，公有云+私有化双部署形式。商业使用前请查阅《用户协议》明确商用授权范围。

五、产品定价

即构数智人作为B端API/SDK服务，采用使用时长+增值服务计费模式。以下是公开渠道可查到的定价（以官网 aigc.zego.im 和 doc-zh.zego.im/aiagent-android/introduction/pricing 实时公示为准）：

服务	类型	计费模式	定价（公开信息）
语音智能体实例时长	基础服务	使用时长（元/千分钟）	3元/千分钟
数字人智能体实例时长	基础服务	使用时长（元/千分钟） 包含并赠送一路最高1080P数字人视频费用	199元/千分钟（含一路价值98元的1080P RTC实时音视频费用）
用户语音处理时长	基础服务	使用时长（元/千分钟）	6元/千分钟
ASR（语音识别）	基础服务	使用时长（元/小时）	3元/小时
TTS（语音合成）	增值服务	不同厂商费用不同	火山引擎/阿里云/MiniMax，详见各供应商官网
RTC（实时音视频）	基础服务	高音质纯音频	7元/千分钟
ZIM（即时通讯）	增值服务	版本费用	体验版/专业版/旗舰版，详见ZIM计费
数字人 API（制作费）	增值服务	商务报价	请联系ZEGO商务
精品照片数字人	单分钟成本	按时长计费	单分钟<0.3元，真1080P画质，成本仅为传统方案的5%
AI口语教学互动	单分钟成本	单分钟互动	单分钟互动成本低至0.3元，支持万级别人数并发
AI Agent 实例	并发	默认	默认10个并发，增加请联系技术支持

注：语音智能体实例时长适合纯语音互动场景，3元/千分钟；数字人智能体实例时长适合数字人实时通话，199元/千分钟，含1080P RTC实时音视频；精品照片数字人适合大规模商用，单分钟<0.3元，成本仅为传统方案的5%；数字人API（制作费）适合定制数字人形象，商务报价；ASR/TTS/RTC/ZIM按用量分别计费。以上价格仅参考，最终以ZEGO官网/开发者中心为准，详见官网。

六、竞品对比

全球"AI数字人/实时互动AI Agent"赛道竞争激烈，即构数智人主打"即构自研AI引擎+图片数字人+真人数字人双形态+多种驱动形式+最低延迟<200ms+精品照片数字人单分钟<0.3元+成本仅为传统方案5%+支持公有云/私有化部署+Web/APP/小程序全平台+标准API最少两个接口+全球低至1s延迟+消除400+场景噪音"，与以下代表性产品形成竞争与互补：

产品	厂商/国别	核心定位	相对优势
即构数智人（aigc.zego.im）	即构科技 ZEGO（中国）	Server 数字人 API	即构自研AI引擎、图片数字人+真人数字人双形态、多种驱动形式（文本/音频/实时音视频流/关键字）、最低延迟<200ms、精品照片数字人单分钟<0.3元、成本仅为传统方案5%、真1080P画质、最高2K超清画质、公有云+私有化部署、Web/APP/小程序全平台、标准API最少两个接口、端到端延迟≈1秒、打断延迟约500ms、消除400+场景噪音、识别准确率>95%、成本降低50%对比传统方案
腾讯智影	腾讯（中国）	云端智能视频创作	腾讯混元大模型、20+数字人形象、200+音色库、微信生态、视频号分发、数字人播报、一站式视频创作，C端SaaS为主
讯飞智作	科大讯飞（中国）	AI配音+数字人视频	讯飞星火大模型、20+数字人、方言/多语种、教育课件/新闻播报/企业宣传，会员制45-2999元/月
硅基智能	硅基智能（中国）	AI数字人商业化	刘润、江南春、张琦、吴晓波、周文强等百万粉丝博主使用，短视频/直播/智能交互/数字大屏，SaaS/API/SDK/一体机
蝉镜	蝉妈妈（中国）	AI数字人短视频	200+公版形象、照片数字人、换脸数字人、形象克隆、声音克隆、抖音生态
有言	魔法科技（中国）	3D数字人AIGC	消费级超写实3D虚拟人、AIGC视频生成、教学视频/产品介绍/企业培训
百度智能云曦灵	百度智能云（中国）	AI数字人直播	2D数字人克隆、3D数字人生成、声音克隆、直播，广电/互娱/金融/政务
HeyGen	HeyGen（美国）	AI数字人视频	175种语言、700+库存形象、最长60分钟视频、企业版团队协作，$29-$89/月
Synthesia	Synthesia（英国）	企业级AI数字人	160+数字人、130+语言、企业级合规，政企培训
万兴播爆	万兴科技（中国）	AI数字人跨境营销	跨境营销，多语言，数字人模特，视频翻译
飞影	飞影（中国）	AI数字人平台	公模AI生成，克隆分身，短视频
商汤科技数字人	商汤科技 SenseTime（中国）	AI数字人平台	SenseCore大装置，B端企业级，多场景
即创	字节巨量引擎（中国）	数字人+AI脚本	AI写脚本、生成图片、智能剪辑、搭建直播间，服务字节广告用户
阿里达摩院数字人	阿里达摩院（中国）	AI数字人	达摩院技术，多场景，B端企业级

如果需要"即构自研AI引擎+Server 数字人 API+图片数字人+真人数字人双形态+多种驱动形式+最低延迟<200ms+精品照片数字人单分钟<0.3元+成本仅为传统方案5%+支持公有云/私有化部署+标准API最少两个接口+端到端延迟≈1秒+消除400+场景噪音+成本降低50%"，即构数智人最匹配；C端SaaS+微信生态选腾讯智影；教育课件/新闻播报选讯飞智作；商业化/直播/智能交互选硅基智能；抖音生态选蝉镜；3D数字人选有言；广电/互娱/金融/政务选百度智能云曦灵；175种语言+跨境选HeyGen；企业级合规选Synthesia；数字人模特+跨境营销选万兴播爆。

七、数据安全

作为即构科技（ZEGO，深圳市即构科技有限公司）旗下的国产Server 数字人 API，即构数智人在合规与数据安全方面有如下特点：

• 运营主体：即构科技（ZEGO），深圳市即构科技有限公司，国产品牌。
• 中国境内合规运营：运营主体和团队均在中国境内，符合国内法规。
• 多部署方式：支持公有云、私有化等部署形式，满足企业数据安全要求。
• 全球网络节点就近接入：全球网络节点就近接入，端到端流式处理，实现全球低至1s的延迟。
• 精准识别人声：精准锁定主讲人声，消除400+场景噪音及远场人声；有效消除麦克风回采的AI、BGM声音，识别准确率>95%。
• 自然语音优雅打断：精准识别用户说话状态，不因噪音和远场人声误打断，打断延迟约500ms。
• 多LLM/TTS/ASR厂商：兼容国内外大语言模型（阿里云百炼/火山/微软/MiniMax），多TTS厂商，多ASR模型。
• B端API/SDK服务：面向开发者的Server API，最少两个接口即可完成数字人能力构建。
• 示例代码及最佳实践：提供完善的示例代码及场景最佳实践，无缝融入IM、语音通话等场景。
• 多平台支持：兼容Web、App、小程序等多平台。
• 多模态情绪感知：支持语音情绪识别（SER），多情感音色输出，带有温度的声音反馈。
• 性价比优势：精品照片数字人成本仅为传统方案的5%，降低LLM、ASR、TTS等整体链路成本约50%。
• 国产替代：作为国产Server 数字人 API，合规、稳定、长期可持续，适合中国开发者和企业。
• 应用案例：AI口语教学、AI陪伴、AI客服、AI教育、AI助手、AI硬件等多场景。
• 第三方收录：已收录于cnblogs.com、doc-zh.zego.im、aiproducthub.cn、blog.csdn.net、pidoutv.com、sohu.com、hepan.com等开发者社区和AI工具导航站。

提示：开发者使用前请查阅《用户协议》和《开发者协议》明确商用授权范围；数字人形象涉及肖像权，需用户授权，禁止用于侵权用途；未成年人需监护人陪同使用；企业私有化部署请联系ZEGO商务；个人数据请遵守《个人信息保护法》。

八、入口说明

用户可通过以下官方与第三方渠道进入并使用即构数智人：

• 用户提供的官网：https://aigc.zego.im —— 即构数智人主站，即构科技（ZEGO）旗下Server 数字人 API。
• 即构主站：https://www.zego.im/ —— 即构科技（ZEGO）主站，深圳市即构科技有限公司官网。
• AI Agent产品页：https://www.zego.im/product/ai-agent —— 实时互动 AI Agent，数字人实时通话。
• Server 数字人 API 概述：https://doc-zh.zego.im/aigc-digital-human-server/introduction/overview —— Server 数字人 API官方文档。
• 开发者中心：https://doc-zh.zego.im/ —— ZEGO开发者中心，完整技术文档。
• 定价页（实时互动 AI Agent）：https://doc-zh.zego.im/aiagent-android/introduction/pricing —— 实时互动 AI Agent定价，2026-05-12更新。
• 品牌：即构数智人（ZEGO Digital Human），即构科技（ZEGO）出品。
• 运营主体：即构科技（ZEGO），深圳市即构科技有限公司，国产品牌。
• 核心定位："Server 数字人 API"，AI数字人创作平台。
• 产品形态：图片数字人（推荐）+真人数字人双形态，B端API/SDK。
• 支持平台：Web、App、小程序等多平台。
• 部署方式：公有云、私有化等部署形式。
• 驱动形式：文本、音频、实时音视频流、关键字四种驱动。
• 核心指标：驱动延迟<200ms、端到端延迟≈1秒、打断延迟约500ms、识别准确率>95%。
• 价格优势：精品照片数字人单分钟<0.3元，成本仅为传统方案的5%。
• 同公司产品族：ZEGO提供实时音视频（RTC）、即时通讯（ZIM）、AI Agent、数字人 API、超级白板、音视频通话 SDK等多产品。
• 第三方收录：已收录于cnblogs.com、doc-zh.zego.im、aiproducthub.cn、blog.csdn.net、pidoutv.com、sohu.com、hepan.com等开发者社区和AI工具导航站。
• 使用提示：即构数智人是B端Server 数字人 API/SDK，不是C端SaaS，面向开发者，需通过开发者中心接入API/SDK，个人用户可体验即构主站zego.im的AI Agent产品。

新手建议从官网 aigc.zego.im开始，注册账号→开发者认证→创建应用（获取AppID/AppSign）→选择数字人形态（图片数字人/真人数字人）→定制数字人形象（1张图片/采集真人视频）→自定义动作库（比心/打招呼/比数字）→数字人管理→选择驱动方式（文本/音频/实时音视频流/关键字）→接入API（最少两个接口）→创建数字人音视频流（最低延迟<200ms）→配置LLM/TTS/ASR（多厂商支持）→多模态情绪感知（SER）→API调用→合成输出（实时互动延迟约1.5s）→集成到业务（直播/客服/教育/陪伴）→多平台发布（Web/APP/小程序）十七步上手；新手推荐图片数字人（推荐），1张图片即可生成，单分钟<0.3元；专业场景推荐真人数字人，最高2K超清画质；教育/客服/直播推荐实时互动AI Agent，端到端延迟≈1秒；企业私有化推荐私有化部署，公有云+私有化双部署形式；商业使用前请查阅《用户协议》明确商用授权范围，数字人形象涉及肖像权，合规使用。