安顺学院数字人速课平台需求公示内容

****数字人速课平台需求公示内容

资格要求：

（1）提供法人或者其他组织的营业执照等证明文件；（复印件加盖投标单位公章）

（2）提供财务状况报告（经合法审计机构出具的2023或2024年度财务审计报告，或银行出具的有效的资信证明）；（复印件加盖投标单位公章）

（3）提供依法缴纳税收（2025年任意1个月的纳税证明）和社会保障资金（2025年任意1个月的社保缴纳证明）的相关材料；（复印件加盖投标单位公章）

（4）提供具备履行合同所必需的设备和专业技术能力的证明材料；（自行承诺）

（5）提供参加本次采购活动前3年内在经营活动中没有重大违法记录的书面声明；（自行声明、原件）

（6）供应商须承诺：在“信用中国”网站（www.****.cn）、中国政府采购网（www.****.cn）等渠道中查询未被列入失信被执行人名单、重大税收违法失信主体名单、政府采购严重违法失信行为记录名单中，否则自愿取消投标资格，并承担由此造成的一切法律责任及后果；

（7）本项目不接受联合体投标；不得转包、分包；

（8）符合法律法规及磋商文件规定的其他要求。

采购需求：

第一部分 商务要求

一、服务期限和服务地点：

1、服务期限：1年

2、服务地点：采购人指定地点。

二、验收标准：

按照国家规定的行业标准、竞争性磋商文件和响应文件内容进行验收。

三、付款方式：

采购人与成交供应商在合同签订后100%支付

四、投标报价：

****服务所发生的一切费用，即总价包干。

五、其他要求：

供应商须承诺，采购方使用该服务内容或服务内容的任何一部分时，免受第三方提出的侵犯其专利权、商标权、著作权或其它知识产权的起诉；否则，一切责任由供应商承担。

第二部分 采购内容及要求

一、平台部署

本项目服务包括数字人训练模块、视频生产模块。支持可同步、快速更新、迭代、升级的能力，可提供完备的采样训练操作手册，平台使用操作手册等配套技术说明文档。

二、数字人训练模块：

（一）数字人形象克隆

利用最先进的AI技术，生成高度逼真的虚拟教师形象，包括外貌、声音和表情等。支持通过5-10分钟训练视频进行数字分身形象的复刻训练，训练生成的数字分身需具备播报能力、训练后的形象可同步至视频生产平台进行使用，具体功能包括：

1.外貌生成：通过面部动画技术，生成逼真的人脸形象，支持公用人像库自选。

2.声音合成：支持通过20S训练音频数据对用户音色进行复刻训练，支持数字人音调、语速、音量再调节，训练后的声音可同步至视频生产平台进行使用，支持多语种能力，至少支持中文模型、英文模型、中英双语模型。

3.表情模拟：通过行为模拟和面部表情识别技术，实现自然流畅的表情变化，提升互动体验。

4.替换背景：支持训练视频实景训练，也支持抠像训练，包括纯色背景抠、绿幕抠、实景抠，便于后期视频时满足背景替换的需求。

▲5.视频上传与检查：用户需上传MP4格式的视频文件，时长不超过10分钟。系统会自动检查视频质量，不符合规范的会提示重新上传，支持对需要训练的视频文件进行格式、时长、人物在画面中位置等因素是否符合使用要求进行检查。

6.环境音检测：支持对需要训练的音频文件进行格式、时长、内容重复、噪音等因素是否符合要求进行检查，对上传的音频进行环境音检测，确保音频质量符合要求。

▲7.自动化训练：支持上传训练视频后到训练完成同步至视频生产平台，傻瓜式全流程化自动化完成。

8.训练进度管理：可数字化、图形化展示模型训练进度，便于用户快速了解训练进展。

9.形象效果测试：支持在数字人训练模块中进行形象训练后进行视频生成测试、预览，及时查看训练的效果是否满足需要。

10.上传的训练视频技术要求：

（1）视频格式：支持MP4格式，文件大小不超过2G，时长不超过10分钟。

（2）语音合成：支持多语种、多音色的TTS语音合成。语速和语调智能匹配，确保语音自然流畅。

（3）面部动画：采用先进的面部动画技术，支持多种风格的外貌生成。表情变化自然流畅，无卡顿现象。

（4）行为模拟：高度还原人类行为，动作自然流畅。采用先进的训练算法，确保输出的数字人形象和声音高度还原原始数据，质量优异。

算力支持：系统具备强大的算力支持，能够高效处理2D真人形象的生成与渲染。
（二）数字人声音克隆

数字人声音克隆功能利用先进的生成式人工智能技术，通过少量样本语音，快速生成与真人声音高度相似的数字人语音。该功能支持多种音色和语调选择，用户可以根据需求进行音色调整，实现高度逼真的声音克隆。主要功能包括：

▲1.声音克隆和音色定制：仅需20S语音（具体数量取决于质量要求），通过AI引擎训练生成与真人声音高度相似的数字人语音。

2.多语种、多音色语音合成：支持多种语言和音色的语音生成，能够根据不同需求智能匹配语速和语调。训练后的声音可同步至视频生产平台进行使用。

3.高逼真、高质量声音合成：利用先进的AI技术生成高度逼真的语音，确保声音质量满足教学视频的要求。

▲4.环境音检测和语音评测：对上传的音频进行环境音检测和语音评测，确保音频质量符合训练要求。

5.声音效果测试：支持在训练平台中进行声音训练后进行音频生成测试、试听，及时查看训练的效果是否满足需要。

6.技术要求：语音合成模型：基于联合模型、深度神经网络的语音合成模型。

7.支持的语言：中文、英文等多语言。

8.发音风格：支持自然语音、男声、女声等多种发音风格。

9.语速和音调控制：支持语速和音调的灵活调节，能够智能匹配不同需求。

10.音频格式：支持AAC、WAV、MP3等多种音频格式。

11.音频采样率：支持8kHz、16kHz、44.1kHz等多种音频采样率。

12.合成质量：生成语音的自然度和流畅度高，接近真人表现。

▲13.训练时长：仅需等待3分钟即可快速完成声音克隆，实时在线试听。

三、视频生产模块：

1.教师端界面：设计**，操作简便，教师可以轻松管理和预览生成的教学**。用户**的界面设计提高了教师使用系统的便利性和效率。

2.数字人分身自定义

利用先进的AI技术，生成高度逼真的数字人视频，支持多语言配音和情感表达。用户在进行视频内容生产过程中，选择好数字分身后可灵活调整数字分身形象大小和位置，制作过程中允许替换数字分身及数字分身的音色及对应语速、音调及音量信息。

3.预制的公共数字人形象：

提供多种预制的AI形象，支持多个公共形象库中的形象**迁移到现场环境，供编辑使用。有丰富的音色库，支持多语种能力，可将音色**迁移到现场环境供使用，语种不少于中文、英文。

▲4.PPT自动解析

支持通过导入PPT文件的方式，进行视频分镜的构建，可快速基于导入的文件快速进行视频制作，解析特效并保留PPT所有动效；支持PPT导入后，备注文字自动转化为数字人朗读文稿；支持每页PPT可更换不同数字人形象和声音，并可更换不同驱动片段姿态；可将设置效果应用至全局；支持对PPT每个场景快速预览；支持对数字人的声音和形象属性进行选择和编辑；可将设置效果应用至全局；播报视频生产时，支持对PPT动效、数字人、文字等元素，位置、大小等属性的编辑；也可进行可视、隐藏等操作，可将设置效果一键应用至全局。

▲5.播报内容输入和标注

支持PPT备注自动转为数字人播报语音内容，也可对内容进行手动调整；

支持手动输入文本内容，对于文本输入内容支持根据文本内容进行数字读法、替换发音、停顿的标注；

支持语音输入，可实时录音也可上传离线音频文件。

▲6.内容编辑模式

支持文本编辑模式及时间轴编辑模式：支持对文本内容进行试听，单场景视频效果预览的操作；

支持轨道式专业视频编辑模式，对PPT中动效不同元素形成不同轨道，便于用户可对视频中的元素在不同轨道上进行更精准、便捷的编辑操作。

7.视频文件管理

▲支持对制作完成的视频文件，进行本地导出操作，****学校智慧课程平台个人云盘，导出格式为mp4，可同步导处PPT文件；

支持对制作完成的视频文件，支持进行文件管理，可进行移动、下载、和删除的操作；

支持导出视频自定义码率及清晰度选择1080P、2K、4K。

内容检测与安全

（一）智能审核管理要求

1.支持对文本、图片、视频的检测结果数据进行查询，并支持人工修改机审状态；

2.支持查看视频中的敏感截图，并支持人工修改机审状态

3.支持对文档的检测结果数据进行查询，并支持人工修改机审状态；

4.文档审核支持根据敏感内容定位到具体段落进行查看审核；

5.支持敏感文本、图片、文档在线检测功能；

6.支持自定义敏感关键词、组合词、忽略词；

7.支持自定义用户黑白名单；

8.支持自定义图片名单；

9.支持查看业务数据的检测数据量；

▲10.支持通过用户风险统计、垃圾发布量、垃圾发布率的维度统计用户风险；

内容安全检测要求

文本检测

（1）支持基于快速规则算法过滤特定敏感文本；

（2）支持基于文本模型，通过对文本进行聚类和语义分析进行敏感识别；

（3）支持检测涉政、谩骂、灌水等七种类型的敏感文本；

（4）支持对变种敏感文本检测；

（5）支持对用户自定义的敏感内容进行检测；

图片检测

（1）支持根据图片分类模型对敏感图片进行识别；

▲（2）支持根据图片目标检测对图片中小目标敏感内容识别；

（3）支持根据用户自定义的敏感图片进行敏感识别比对；

▲（4）支持根据人像 AI 模型对涉政、违禁人物进行人脸识别；

（5）支持检测涉政、色情、违禁等六种类型的敏感图片检测；

视频检测

▲（1）支持对离线视频进行敏感内容检测；

▲（2）视频的分类识别基于图片检测识别进行，可实现图片检测的全类检测；

文档检测

（1）支持对 word、txt、ppt 等多种格式文档内容进行解析；

（2）文档检测模型基于文本检测与图片检测，可实现文本检测与图片检测的全类检测；

注：技术指标中，带“▲”的为重要指标，成交供应商需在成交公告发布后2个工作日内到校进行演示，如出现虚假响应，成交供应商应承担由此而引起的一切法律责任和费用。

评分细则及各项评标因素：