数字人互动技术原理链路是：用户说话→语音识别转文字→AI大模型生成回答→语音合成→数字人面部表情和口型同步渲染。理解这条链路就能明白数字人怎么"听懂并回应"。
用户说话，通过ASR语音识别技术转成文字。中文识别准确率已经很高。
用户打字提问，跳过语音识别直接进入对话。
理解用户想问什么，从知识库匹配答案。
接入大语言模型，自然对话回答。
文字转语音TTS，输出自然的人声。
根据语音生成面部表情和口型，驱动3D或2D数字人。
照片驱动，成本低，WEB端常见。
三维建模，表情丰富，效果好但成本高。
虚拟客服、展厅讲解员、直播主播。
