AI 数字人实时语音陪伴 App
同赛道主流是「平台预设角色 + 剧情」,我走差异化路线——形象、声音、人格、记忆四样都归用户;在成本约束下收敛 MVP 边界,一个月用 H5 最小验证了「自定义形象 + 声音」是核心方向。
背景与问题
同赛道主流是「平台预设角色 + 沉浸式剧情」,结构性瓶颈是角色归平台、用户无归属感。目标定为「实时视频通话 + 对口型 + 形象自定义」,调研阿里云 / 腾讯云 / 字节均能实现,但数字人形象每个需独立训练、费用约 6000 元。
关键决策:成本约束下的需求收敛
直播型数字人一个形象可 N 复用摊薄成本;陪伴型是 to C 一对一,6000 元/形象难以被 C 端接受。据此主动收敛 MVP 边界——先不做形象,聚焦「实时语音通话 + 人设自定义 + 音色克隆(含方言)+ 长期记忆」,用小步 MVP 验证模型边界与能力。
选型与落地
- 选定阿里云实时通话模型:可视频通话、可克隆音色、用户可上传音频文件克隆,生态完整。
- 一个月产出 H5 MVP,后端稳定跑通;过程中延伸出「图像记忆」「通话内容长期记忆」两个用户价值功能。
- 后找到更低成本路径:由一张形象图片即可与形象实时互动通话(对应头部方案 1 秒 3 分钱)。
内容安全:LLM 判定 + 确定性名单双层兜底
实测发现 LLM 对特定人物身份判定不稳定,据此将关键人物钉死为确定性名单、LLM 退为兜底角色——既保安全,又避免误判。
商业化设计
- 积分制:文字聊天免费(留存入口,不逼用户为陪伴付费);语音 / 视频按分钟扣积分。
- 新用户 200 积分体验、绑定推广码额外 500;Flash / Plus 两档,实时视频互动独立计费(成本 0.03 元/秒、零售 0.06 元/秒),综合毛利率 51–66%。
- 返佣仅一级,不涉传销;创建数字人需实名认证 + 协议同意,覆盖逝者纪念等敏感场景。
结果与沉淀
MVP 验证了「自定义形象 + 声音」是核心方向。竞品调研做在 MVP 后而非立项前——前期只是模糊想法,先出 MVP 厘清需求再补调研:安卓 16、iOS 12 个同类 App,头部已实现「上传形象实时通话、1 秒 3 分钱」,验证路线可行且成本可控;若重来我会把调研前置到立项,更早锁定形态、减少试错。