IICS33.160TechnicalrequirementsandtestmethodsfordigitalhumanPart1:Platformbasiccompetency北京信息化協會 I 12規范性引用文件 13術語、定義和縮略語 13.1術語和定義 13.2縮略語 24概述 25基礎技術能力 25.1能力要求 35.2評估方法 66基礎工程化能力 66.1能力要求 66.2評估方法 87基礎安全保障能力 87.1能力要求 87.2評估方法 9 10I本文件按照GB/T1.1—2020《標準化工作導則第1部分：標準化文件的結構和起草規則》的規則起請注意本文件的某些內容可能涉及專利。本文件的發布機構不承擔識別這些專利的責任。《數字人指標要求及評估方法》分為以下部分：第1部分：平臺基礎能力；第2部分：平臺性能分級；第3部分：平臺安全可信；第4部分：動作捕捉技術；第5部分：終端一體機；第6部分：金融場景應用；第7部分：營銷場景應用；本文件為第1部分。本文件由北京信息化協會提出并歸口。本文件起草單位：中國信息通信研究院、北京信息化協會元宇宙創新發展工作委員、中國移動通信集團北京有限公司、北京藍色光標數據科技股份有限公司、中興通訊股份有限公司、北京數智云科信息科技有限公司、凌宇科技(北京)有限公司、北京飛天云動科技有限公司、數字栩生（北京）科技有限公司、北京海百川科技有限公司、深圳傳音控股有限公司、南京硅基智能科技有限公司、深圳市閃剪智能科技有限公司、北京蔚領時代科技有限公司、湖南芒果融創科技有限公司、馬上消費金融股份有限公司、科大訊飛股份有限公司、北京黑鏡次元科技有限公司、北京中科深智科技有限公司、北京聚力維度科技有限公司、北京摩登天空文化發展有限公司、北京靈芒科技文化有限公司、愛化身科技（北京）有限公司、北京元客方舟科技有限公司、北京五一視界數字孿生科技股份有限公司、北京元宇宙文化有限公司、浙江君同智能科技有限責任公司、蘇州次源科技服務有限公司、杭州趣看科技有限公司、九度數字科技（蘇州）有限公司、中傳景創(北京)文化旅游有限公司、寧波菊風系統軟件有限公司。本文件主要起草人：顏媚、石霖、和婕、馮昊宇、凌玲、紀菁、翁冬冬、任春霞、李志強、郭曉喆、蔣耀琳、呂海兵、劉彥賓、李松、趙明睿、張佳寧、李金蘭、汪磊、周世晟、宋震、孫博、趙晶、朱峰結、湯本來、司馬華鵬、毛麗艷、唐向陽、高宏剛、費元華、于淼、張亦弛、吳紅、馮月、曾定衡、郜靜文、張一凡、吳松城、張培養、宋健、羅志文、趙天奇、渠源、沈玥、張逸娟、張晶、朱金晨、涂政、郭林、耿放、熊偉、吳亞光、曹振、王國林、邢琳、韓蒙、林昶廷、張廣亮、李小滿、錢代友、賀波、陳乾、栗蘭賀、楊茂森、劉奕宏、錢曉炯、蔣瑩凱、龔任嬌子、盛琳子。1T/BIA17-2024數字人指標要求及評估方法第1部分：平臺基礎能力本文件面向數字人平臺，從基礎技術能力、基礎工程化能力、基礎安全保障能力三個維度規定了數字人平臺基礎能力要求及評估方法。本文件適用于指導對數字人平臺基礎能力的設計、研發、評估、驗收等工作。2規范性引用文件下列文件中的內容通過文中的規范性引用而構成本文件必不可少的條款。其中，注日期的引用文件，僅該日期對應的版本適用于本文件；不注日期的引用文件，其最新版本（包括所有的修改單）適用于本文件。ITU/TF.748.15數字人應用系統基礎框架和評測指標(Frameworkandmetricsfordigitalhumanapplicationsystems)3術語、定義和縮略語3.1術語和定義ITU/TF.748.15界定的以及下列術語和定義適用于本文件。3.1.1虛擬數字人digitalhuman簡稱數字人或虛擬人，是指基于現實世界設計或通過計算機虛擬生成，再借助真人或計算驅動，在多模態輸出設備呈現的擬人化的虛擬形象或虛擬人物，是集計算機圖形學、計算機視覺、智能語音、人工智能和自然語言處理技術于一體的計算機應用，可用于數字內容生成和人機交互，幫助提高內容生產效率和用戶體驗。[來源：ITU/TF.748.15，3.2.1，有修改]3.1.2文本驅動text-driven是指支持不同類型的文本到最終數字人視頻（包括語音和畫面）的驅動方式。3.1.3音頻驅動audio-driven是指支持語音輸入以及音樂輸入，實現對數字人表情及動作的控制的驅動方式。3.1.4視頻驅動video-driven是指基于計算機視覺和計算機圖形學等技術，通過攝像頭對真人的動作捕捉，實現對數字人表情及動作的控制的驅動方式。2T/BIA17-20243.1.5動作捕捉設備驅動motioncapturedevicedriven是指通過動作捕捉設備對真人的動作捕捉，實現對數字人表情及動作的控制的驅動方式。3.2縮略語下列縮略語適用于本文件。2D二維3D三維API應用程序接口CG計算機圖形學CPU中央處理器GPU圖形處理器SaaS軟件即服務SDK軟件開發工具4概述2-Dimensional3-DimensionalApplicationProgrammingInterfaceComputerGraphicsCentralProcessingUnitGraphicsProcessingUnitSoftwareasaServiceSoftwareDevelopmentKit數字人平臺基礎能力如圖1所示，主要涵蓋以下三個方面的內容：（1）基礎技術能力，即數字人平臺的基礎功能是否能夠滿足用戶普遍的使用需求，主要從形象技術能力、語音技術能力、驅動技術能力、交互技術能力、內容供給能力、人設定制能力等維度進行評估。（2）基礎工程化能力，即數字人平臺的非功能性能力是否能夠支撐業務應用落地，主要從標準資源配置、可移植性、易用性、可擴展性、兼容性、時效性、可靠性等方面進行評估。（3）基礎安全保障能力，即數字人平臺是否能夠滿足現有合規要求，主要從形象版權保障、內容追溯能力、內容風險控制等方面進行評估。圖1數字人基礎能力評估框架5基礎技術能力3T/BIA17-20245.1能力要求5.1.1概述數字人基礎技術能力可從形象技術能力、語音技術能力、驅動技術能力、交互技術能力、內容供給能力、人設定制能力等維度進行評估，具體評估指標及查驗內容如表1所示。表1基礎技術能力評估指標及查驗內容指標類別指標項查驗內容必選/可選基礎技術能力形象技術能力支持的形象類型必選支持的形象精細度必選形象生成方式支持情況必選形象裝扮更換支持情況必選位移支持情況必選語音技術能力語音合成能力必選語音編輯能力可選語音轉換能力可選語音定制能力可選驅動技術能力支持的驅動方式必選驅動范圍必選交互技術能力支持的交互方式可選語音識別能力可選交互自主性可選支持的交互能力類型可選情感化表現可選富媒體展示能力可選喚醒能力可選內容供給能力內容構建方式必選人設定制能力人設定制能力必選風格一致性必選5.1.2形象技術能力5.1.2.1形象類型支持一種或多種數字人形象類型，如2D卡通形象（含動物、擬人化設計物）、2D真人形象、3D卡通形象（含動物、擬人化設計物）、3D半寫實形象、3D寫實形象等；男、女；著裝可分為偏禮儀服裝、專業制服、主題服裝、休閑服裝、民族服裝等；妝容風格可分為正式妝5.1.2.2形象精細度支持一種或多種數字人形象精細度。若是2D真人形象類數字人，應披露支持的分辨率；若是3D數字人應披露數字人頭部、身體、毛發、服裝等部位的模型面數、光照效果等，詳情4T/BIA17-2024見附錄A；類型的小屏場景、一體機以及會場大屏的大屏場景等）支持不同分辨率的調節能力，如支持480p、720p、注2：3D虛擬數字人的建模精細度決定了最終的呈現效果以及處理的效率，根據模型的面數可以將3D虛擬數字人的精細程度劃分成四個等級：普通質量、中級質量、高級質量、超高級質5.1.2.3形象生成方式支持一種及以上的數字人形象生成方式，供用戶定制數字人形象。其中，生成2D卡通、3D寫實形象、3D半寫實形象、3D卡通形象（含動物、擬人化設計物）的方式包括但不限于：1）根據用戶提供的需求，利用CG技術進行生成數字人；2）提供模塊化數字人定制，系統定義數字人身體各部位參數，供用戶選擇搭配；3）提供深度數字人定制，用戶可完全自主定義數字人身體各部位的參數。生成2D真人形象的方式包括但不限于：1）用戶輸入照片，由系統根據照片參數生成數字人形象。2）用戶輸入視頻，利用人工智能算法處理視頻生成數字人形象。a)輸入大量視頻數據，生成高清真人數字人形象；b)輸入微量視頻數據，生成低成本，可即時任意替換的真人數字人形象。5.1.2.4形象裝扮更換支持數字人形象裝扮更換，可供用戶定制不同的數字人的裝扮。更換內容包括但不限于發型、服飾、配飾等；5.1.2.5位移支持情況披露數字人的位移支持情況，包括在視頻畫面中不同位置的展現，以及數字人在場景中移動的能力，如全身移動、全場景變換等；感受到整個空間所有元素相對位置的變化，數字人能與道具、環境進行自然的互動（位移、抓舉、改變形5.1.3語音技術能力應包含以下基本功能：——支持語音合成能力，并披露對于多情感、多語種、多方言、唱歌、變聲等語音合成能力的支持情況；牙語等語種合成能力；多方言是指除普通話外，還支持粵語、四川話等方言的處理能力；唱歌是指合成歌——披露支持的語音編輯能力，支持如下一項或幾項：語速、音色、音量、情感、發音編輯等；5T/BIA17-2024注2：發音編輯是指編輯文本中多音字、符號等的發音，——支持語音轉換能力，即讓數字人按照語音編輯設置好的參數將音頻實時轉換成數字人的語音的能力，并披露語音轉換實時率；——支持語音定制能力，如支持錄音棚錄音的常規定制或小樣本數據的語音定制（應披露樣本數據時長）等；5.1.4驅動技術能力應包含以下基本功能：——支持一種或多種驅動方式，如文本驅動、語音驅動、視頻驅動、動作捕捉設備驅動、其他驅動等。注：動作捕捉設備包括光學動作捕捉、慣性動——披露支持的驅動范圍，如口型、面部表情、肢體（半身或全身）、手指、背景內容素材等(不同驅動范圍說明驅動的方式)；5.1.5交互技術能力應包含以下基本功能：——支持一種或多種交互方式，如單輪、多輪對話、全雙工等語音交互，手語、肢體動作、視線等視覺交互，點擊等觸屏交互、多模態交互等；——披露在某一業務場景下某一語種或方言的語音識別率，以及語音識別所支持的領域場景，如金融，電力，電信等；景下，8k電話信道的識別率可達到88%以上，16k網絡信道——支持主動交互或被動交互。主動交互是指根據時間、地點、用戶狀態，在恰當的時機主動發起交互行為，可以是語音交互，視覺信息展示等；被動交互能力如：人工輸入文字、語音或視頻進行驅動交互，或者通過動捕設備驅動數字人交互；——披露支持的交互能力類型，如業務處理、常識性智能問答、閑聊等；——支持情感化表現，如喜、怒、哀、樂等情感；——支持交互過程中的富媒體展示能力，如圖表、視頻、虛擬物品等；——披露支持的喚醒方式，如基于傳感器、點擊、視覺、語音等。5.1.6內容供給能力應包含以下基本功能：——支持一種或多種內容構建方式，如手工構建、SaaS化工具構建、智能生成等；注2：SaaS化工具構建指提供工具化的軟件，播劇本編輯工具、知識編輯等。用戶創建或修改完成后可以注3：智能生成是指通過算法或大數據挖掘，系統自動化5.1.7人設定制能力數字人人設應包括形象、服飾、表達、聲音等方面。數字人人設定制應包含以下基本功——披露對數字人人設的定制能力，且數字人的人設應當與使用場景、目標用戶通識認6T/BIA17-2024知保持一致。如在服務行業場景，數字人被普遍認為應當熱情體貼，而在司法場景，數字人被——支持風格一致性，即在輸出數字人技術時需保持人設的統一性、自洽性、一貫性，包括但不限于：數字人身份、性格、形象、聲音、表達等。5.2評估方法對于基礎技術能力的評估主要采取現場服務功能核驗的方式，對參評服務的基礎功能完備性進行驗證和評估。通過準則是標準中涉及的必選功能指標都通過驗證。可選功能指標可根據參評企業實際情況進行技術測試。6基礎工程化能力6.1能力要求6.1.1概述數字人基礎工程化能力可從標準資源配置、可移植性、易用性、可擴展性、兼容性、時效性、可靠性等方面進行評估，具體評估指標及查驗內容如表2所示。表2基礎工程化能力評估指標及查驗內容指標類別指標項查驗內容必選/可選基礎工程化能力標準資源配置披露客戶端環境必選服務端標準軟硬件配置必選標準網絡環境必選可移植性適應性必選易用性易操作性必選用戶界面舒適性必選易學性必選可擴展性功能擴展必選性能擴展必選個性化擴展可選兼容性渲染方案支持情況必選多渠道接入能力必選云端渲染SDK支持情況可選終端渲染SDK支持情況可選與已有AI能力集成能力可選與已有業務系統集成能力可選可兼容適配的軟硬件必選人工接管支持情況可選時效性生產周期必選實時響應速度必選可靠性成熟性必選7T/BIA17-2024易恢復性必選交互質檢功能可選6.1.2標準資源配置披露應對各類型數字人運行需要的標準資源配置進行披露，包括以下信息的披露：——客戶端的環境要求；——服務端的標準軟硬件配置，軟件環境信息包括系統、數據庫等，硬件環境包括CPU、GPU、內存、磁盤等；——標準的網絡環境要求，單向播報類數字人應披露進行流暢操作所需的帶寬要求，雙向交互類數字人應披露每路并發所需的帶寬要求；6.1.3可移植性應包含以下基本功能：——支持提供SaaS化服務，企業無需私有化本地部署，可快捷接入業務提供標準服務；——支持企業私有化本地/云端獨立部署，保障數據私密安全；6.1.4易用性應包含以下基本功能：——具備易操作性，產品或系統易于操作和控制。——具備用戶界面舒適性，人機界面簡潔、直觀；——具備易學性，產品或系統無需培訓學習，理解應用成本低；——提供完整的用戶操作手冊；6.1.5可擴展性應包含以下基本功能：——支持功能擴展，具有良好可擴展性的系統設計，支持添加新功能或修改完善現有功——支持性能擴展，支持橫向擴展增加服務器提高系統性能，支持縱向擴展增加服務器的內存或者CPU提高系統性能；——具有良好的定制擴展能力，允許基于開放的API/SDK進行二次開發和系統集成；6.1.6兼容性應包含以下基本功能：——支持云端渲染、本地終端渲染能力；注2：本地終端渲染是指依托終端硬件設備算力，不依賴云端服務器和網絡流量，在本地進行數字人——支持多渠道接入能力，如App、Web/H5、小程序、VTM、大屏設備、VoLTE等渠道終端；——支持云端渲染方式的標準化SDK，如WebSDK、AndroidSDK、iOSSDK；——支持終端渲染方式的標準化SDK，如AndroidSDK、iOSSDK、WindowsSDK、LinuxSDK；——支持與第三方廠商/客戶業務已有AI能力集成，如語音識別、語音合成、自然語8T/BIA17-2024言處理、計算機視覺等能力；——支持與客戶已有業務系統定制化集成對接，如音視頻平臺、呼叫中心系統等；——披露支持的可兼容適配的操作系統和硬件；——披露人工接管的支持情況，如文本接管、語音接管、視頻接管、動作捕捉設備接管6.1.7時效性應包含以下基本功能：——應披露各類型（不同形象類型、驅動類型、交互類型等）數字人的生產周期；——應披露各類型數字人在標準資源配置下的實時響應速度。對于單向播報類數字人，指的是合成不同分辨率及碼率視頻的視頻合成實時率；對于雙向交互的數字人，指的是端到端耗時或首幀延遲時間。6.1.8可靠性應包含以下基本功能：——支持滿負荷狀態下（硬件支持的最大并發路數），穩定運行7*24小時，無內存/顯存泄漏和CPU/GPU異常現象，穩定運行無崩潰、無數據卡死現象；——針對數字人引擎、服務等遇到異常退出時，擁有進程守護機制，可以進行拉起，恢復引擎和服務的正常運行，保障服務的整體穩定性；——支持交互質檢功能，即支持將人機交互的過程轉寫記錄下來，通過分析失敗、未達成目標的交互，改進交互流程從而提升數字人交互質量。6.2評估方法對于工程化能力的評估主要采用材料審查和現場演示的方式，對參評業務的標準資源配置、可移植性、易用性、可擴展性、兼容性等方面的進行驗證。通過的準則是參評企業提交的基本信息材料應真實可信，所有必選項應全部通過。7基礎安全保障能力7.1能力要求7.1.1概述數字人基礎安全保障能力可從形象版權保障、內容回溯能力、內容安全保障等方面進行評估，具體評估指標及查驗內容如表3所示。表3基礎安全保障能力評估指標及查驗內容指標類別指標項查驗內容必選/可選基礎安全保障能力形象版權保障肖像權、著作權等可選內容回溯能力數字水印支持情況可選內容風險控制內容風險控制機制可選顯著標識顯著標識支持情況必選7.1.2形象版權保障9T/BIA17-2024數字人技術和業務提供方可提供數字人形象版權相關法律授權文件，確保數字人形象不涉及侵權問題。應包含以下基本功能：——若涉及真人授權，需要肖像權等授權文件；——若涉及創作作品，需有設計著作權等證明文件。——對數字人除形象之外的聲音、音樂、背景等素材應獲得相應場景的版權許可。7.1.3內容回溯能力內容回溯需支持從技術上提供不影響數字人效果的安全水印，支持添加、修改、刪除、獲取能力。給數字人增加數字水印技術是加在音頻或者圖像上，其具備不直接可見性和魯棒7.1.4內容風險控制內容風險審核支持機器審核、人工審核，并根據不同的使用場景提供不同的組合模式，同時保障服務可用性。7.1.5顯著標識數字人技術和業務提供方應當向數字人服務使用者提供對數字人信息內容進行顯著標識的功能，并提示數字人服務使用者可以對深度合成信息內容進行顯著標識。7.2評估方法對于安全保障能力的評估主要對數字人形象版權保障、內容回溯能力、內容風險控制、顯著標識四個方面進行評估，考察數字人平臺的基礎安全保障能力。參評企業應通過提供商務合同或服務協議等資料，以及現場操作演示等方式作出承諾或說明。通過的準則是提供的合同或協議等資料真實可信。所有必選項應全部通過。T/BIA17-2024附錄A（資料性）A.13D數字人形象建模質量分類分級總體說明3D數字人形象建模質量分類分級是作為考察區分3D數字人精細度的一個參考。以3D數字人美術風格為分類，從頭部模型、表情驅動、毛發系統、身體建模、服裝模型等五個維度評價3D數字人形象建模質量，共分為普通質量、中級質量、高級質量、超高級質量四個級別，精細度依次增高。3D數字人形象質量分類分級參考架構如圖A-1所示。圖A-13D數字人形象質量分類分級參考架構A.2數字人美術風格分類用于表述數字人渲染的美術風格，與真人的相似程度進行分類。分類為：卡通、半寫實、寫實。不同類型的數字人的分級要求不一樣，不能用統一的尺子來衡量分類分類標準卡通臉型、眼睛形狀與位置、嘴唇形狀與位置、眼球形狀等參數脫離真人比例。半寫實臉型、眼睛形狀與位置、嘴唇形狀與位置、眼球形狀等參數基本參照真人比例，臉部無皮膚細節。寫實臉型、眼睛形狀與位置、嘴唇形狀與位置、眼球形狀等參數嚴格參照真人比例，并可在特寫狀態下觀察到絨毛、皮膚毛孔等仿真細節。A.3頭部模型質量分級用來描述數字人頭部模型的質量。分級為：普通質量、中級質量、高級質量、超高級質量。T/BIA17-2024分級分級標準普通質量所有頭部模型質量子指標達到普通質量及以上中級質量所有頭部模型質量子指標達到中級質量及以上高級質量所有頭部模型質量子指標達到高級質量及以上超高級質量所有頭部模型質量子指標達到超高級質量及以上A.3.1頭部模型面數描述構成頭部模型的頂點數量。分級為：普通質量、中級質量、高級質量、超高級質量。分級分級標準普通質量[0,10000)中級質量[10000,20000)高級質量[20000,40000)超高級質量[40000,+∞)A.3.2頭部模型完備度描述頭部模型組成是否完整，是否用分離的子模型表達了頭部的重要組成部分。分級為：普通質量、中級質量、高級質量、超高級質量。分級分級標準普通質量頭部模型由一個整體網格構成沒有獨立眼睛和口腔等部分。中級質量頭部模型包含面部網格和獨立的口腔或舌頭網格，獨立的眼球結構高級質量頭部模型包含面部網、獨立的口腔網格、上下牙網格、舌頭網格、獨立的左右眼球網格，并且有皮膚紋理的雕刻超高級質量頭部模型包含面部網、獨立的口腔網格、上下牙網格、舌頭網格、獨立的左右眼球網格以及眼瞼網格、淚腺網格等細節子模型，并且有細致的皮膚紋理雕刻A.3.3頭部紋理質量描述頭部紋理尺寸和精細程度，以面部紋理有效區域尺寸進行分類。面部紋理有效區域定義為：頭部模型上四點（左右耳外輪廓最外側點，下巴最低處點，額頭中心點）所對應紋理坐標圍成的，四邊平行于圖像邊界的圖像區域。分級為：普通質量、中級質量、高級質量、T/BIA17-2024超高級質量。分級分級標準普通質量面部紋理有效區域面積小于等于2K中級質量面部紋理有效區域面積為4K高級質量面部紋理有效區域面積為8K量面部紋理有效區域面積大于8K以上，并且使用多象限UVA.3.4頭部紋理完備度描述頭部紋理的種類是否能夠充分滿足渲染需求，以資產是否包含對應的紋理種類進行分級。分級為：普通質量、中級質量、高級質量、超高級質量。分級分級標準普通質量僅包含漫反射紋理中級質量包含漫反射紋理、法線紋理、置換紋理高級質量包含漫反射紋理、法線紋理、置換紋理、高光紋理、次表面散射紋理量包含漫反射紋理、法線紋理、置換紋理、高光紋理、粗糙度紋理、次表面散射紋理（曲率紋理）A.4表情驅動質量分級描述資產能夠呈現表情的精細程度，以動態驅動過程中構成表情的所使用基礎表情數量作為評價和分級標準，分為：普通質量、中級質量、高級質量、超高級質量。分級分級標準普通質量無中級質量基礎表情數量100個以下高級質量基礎表情數量100-400個超高級質量基礎表情數量400個以上T/BIA17-2024A.5毛發系統質量分級描述資產中毛發系統的質量，以構建毛發所使用的技術手段進行分級。分為：普通質量、中級質量、高級質量、超高級質量。分級分級標準普通質量使用非透明紋理的整體網格構成頭發，并進行著色和渲染中級質量使用分片網格和半透明紋理構成頭發及睫毛，并進行著色和渲染高級質量使基于引導線的毛發系統，結合各向異性材質構成頭發及睫毛，并進行著色和渲染。超高級質量使基于引導線的毛發系統，結合各向異性材質構成頭發及睫毛，同時包含細節臉部絨毛，并進行著色和渲染，包含深度紋理和切線紋理。A.6身體模型質量分級用來描述數字人身體模型的質量。分級為：普通質量、中級質量、高級質量、超高級質量。分級分級標準普通質量所有身體模型質量子指標達到普通質量及以上中級質量所有身體模型質量子指標達到中級質量及以上高級質量所有身體模型質量子指標達到高級質量及以上超高級質量所有身體模型質量子指標達到超高級質量及以上A.6.1身體模型面數描述構成身體模型的頂點數量。分級為：普通質量、中級質量、高級質量、超高級質量。分級分級標準普通質量