---
title: "字节&浙大联手：InfinityHuman如何用AI数字人技术彻底改变虚拟主播、教育和客服？"
url: "https://paooo.com/aigc-news/13853/"
author: "Prompt 语宙研究院"
published_at: "2026-06-22T16:12:22+08:00"
updated_at: "2026-06-07T20:19:28+08:00"
categories: "AI 工具, AIGC 资讯"
tags: "AIGC, AI数字人, 字节跳动, 虚拟主播, 音频驱动视频生成"
source: "Prompt 语宙 (https://paooo.com)"
ai_tools_directory: "语宙 AI 导航 (https://ai.paooo.com)"
---

# 字节&浙大联手：InfinityHuman如何用AI数字人技术彻底改变虚拟主播、教育和客服？

> 来源：[Prompt 语宙 (paooo.com)](https://paooo.com/aigc-news/13853/) · 作者：Prompt 语宙研究院 · 发布时间：2026-06-22

## AI 30 秒核心看点 (TL;DR)

- InfinityHuman用coarse-to-fine框架先对齐节奏与动作，再逐步生成高分辨率长视频。
- 手部专属奖励机制是核心亮点，重点改善数字人手势僵硬、不同步等行业痛点。
- 在虚拟主播、在线教育和客服等场景中，它更接近可商用的高自然度数字人方案。

> 
                **💡 站外导读：**当前AI数字人技术虽前景广阔，却普遍面临生成视频时长短、身份不一致、手部动作僵硬、口型不同步等核心痛点，严重制约其大规模商用。在短视频、在线教育和虚拟客服需求井喷的背景下，行业亟需能稳定输出高质量、长时序、高自然度数字人视频的解决方案。字节跳动与浙江大学联合推出的InfinityHuman模型，正是瞄准这一关键瓶颈，通过创新的技术框架，为AI数字人的实用化落地开辟了新路径。

            

             
                        

## InfinityHuman是什么

InfinityHuman 是字节跳动与浙江大学联合团队推出的商用级长时序音频驱动人物[视频生成](https://ai-bot.cn/ai-video-generation-tools/)模型，开启 [AI 数字人](https://ai-bot.cn/best-ai-digital-human-tools/)实用化新篇章。模型基于 coarse-to-fine 框架，生成低分辨率的动作表示，通过姿态引导细化器逐步生成高分辨率的长时视频。模型引入手部专属奖励机制，优化手部动作的自然性和同步性，有效解决现有方法中常见的身份漂移、画面不稳定和手部动作生硬等问题。在 EMTD 和 HDTF 数据集评估上，InfinityHuman 展示了卓越的性能，为虚拟主播、教育、客服等领域的应用提供新的可能性。

## InfinityHuman的主要功能

- **长时视频生成**：能生成高分辨率、长时长的人体动画视频，保持视觉一致性和稳定性。

- **自然手部动作**：通过手部专属奖励机制，生成自然、准确且与语音同步的手部动作。

- **身份一致性**：利用姿态引导细化器和首帧作为视觉锚点，减少累积误差，保持人物身份的长期一致性。

- [**口型同步**](https://ai-bot.cn/ai-lip-syncing-tools/)：确保生成的视频中人物的唇部动作与音频高度同步，提升真实感。

- **多样化角色风格**：支持不同风格的人物角色生成，满足多种应用场景的需求。

## InfinityHuman的技术原理

- **低分辨率动作表示生成**：模型通过音频驱动生成与音频同步的低分辨率动作表示（pose），相当于“打底稿”，确保全局节奏、动作和嘴型先对齐。

- **姿态引导细化器（Pose-Guided Refiner）**：在生成低分辨率动作表示的基础上，模型用姿态引导细化器逐步生成高分辨率的视频。

**姿态序列**：姿态序列作为稳定的中间表示，抵抗时间退化，保持视觉一致性。

- **视觉锚点**：首帧为视觉锚点，不断参照校正身份和画面，减少累积误差。

- **手部奖励机制**：通过高质量的手部动作数据训练，引入手部专属奖励机制，优化手部动作的自然性和与语音的同步性。

- **多模态条件融合**：模型融合多种模态信息，包括参考图像、文本提示和音频，确保生成的视频在视觉和听觉上的一致性和自然性。

## InfinityHuman的项目地址

- **项目官网**：https://infinityhuman.github.io/

- **arXiv技术论文**：https://arxiv.org/pdf/2508.20210

## InfinityHuman的应用场景

- **虚拟主播**：虚拟主播能自然流畅地进行新闻播报、节目主持等，增强观众的观看体验，降低人力成本。

- **在线教育**：AI 教师边讲解知识边做出相应的手势，让教学过程更加生动形象，提高学生的学习兴趣和专注度。

- **客服服务**：数字客服在语音交流时能自然地做出回应动作，打破传统客服的机械感，提升客户满意度。

- **影视制作**：在动画电影、电视剧等影视作品中，快速生成高质量的长时人物动画，减少人工绘制和后期修复的工作量。

- **虚拟社交**：为虚拟现实（VR）和增强现实（AR）中的虚拟人物赋予自然的动作和表情，让虚拟社交更加真实和沉浸，增强用户之间的互动性。

                    
            
                

#### 📝 站长洞察 (Editor's Insight)

                InfinityHuman的发布标志着AIGC领域正从“能用”向“好用”关键一跃。其创新的coarse-to-fine框架，本质上是将复杂任务解耦，先确保‘节奏对’再追求‘画面美’，这与大模型发展的Scaling Law异曲同工。特别值得注意的是其对手部动作的专项优化——这曾是行业公认的‘恐怖谷’难点，通过引入专属奖励机制来解决，体现了从粗放生成向精细化、人性化控制的范式转变。这预示着未来的竞争将不再是单纯的模型参数比拼，而是对特定场景（如手势、微表情）的深度优化与工程化落地能力。结合字节在内容生态与浙大在基础研究的优势，InfinityHuman有望在短视频、虚拟主播等海量场景率先形成数据飞轮，加速数字人从营销噱头变为生产力工具，为元宇宙和XR内容生态补上关键一环。

## 常见问题解答 (FAQ)

### InfinityHuman解决了数字人哪些核心问题？
它主要针对长视频生成短、身份不一致、画面不稳定、手部动作僵硬和口型不同步等问题。通过coarse-to-fine框架、姿态引导细化器和手部奖励机制，提升长时序视频的自然度与一致性。

### InfinityHuman适合哪些应用场景？
文章明确提到虚拟主播、在线教育、客服服务、影视制作和虚拟社交等场景。它适合需要长时序、自然动作和语音同步表现的数字人应用，尤其适合内容生产和交互服务。

### InfinityHuman的技术亮点是什么？
核心亮点是先生成低分辨率动作表示，再用姿态引导细化器逐步生成高分辨率视频，并以首帧作为视觉锚点保持身份一致。同时引入手部专属奖励机制，增强手势自然性与同步性。

---
探索 2,800+ 全球实用 AI 工具与官方直达入口：[语宙 AI 导航 (https://ai.paooo.com/)](https://ai.paooo.com/)