24小時直播，只靠一張照片？虎牙實時多模態數字人VAM 1.0率先突圍行業三堵牆

### 24小時直播，只靠一張照片？虎牙實時多模態數字人VAM 1.0率先突圍行業三堵牆

中國直播平台虎牙近期推出了一款名為「VAM 1.0」的實時多模態數字人技術，號稱僅需一張靜態照片，就能生成一個能聊天、能唱跳、甚至陪你玩遊戲的虛擬主播，並且支援 24 小時不間斷直播。這項突破不僅將數字人技術推向全新應用場景，更試圖解決過去困擾業界的三大難題：高成本建模、低互動真實感、以及缺乏長時間穩定運行的能力。

所謂「三堵牆」，是指過去打造一個可用的直播數字人往往需要投入大量資源。首先，傳統 3D 建模需要掃描設備與人工精細調整，製作成本高昂且耗時；其次，即使有了模型，要讓它即時回應觀眾、展現自然表情與肢體動作，運算負擔極大；最後，絕大多數數字人無法長時間維持直播品質，容易出現延遲或斷線。虎牙 VAM 1.0 透過「實時多模態」架構，試圖一次跨越這三道門檻，讓單張照片就能驅動完整的虛擬角色。

從技術層面來看，VAM 1.0 核心在於融合影像生成、語音合成與行為控制。它不需要預先錄製大量動作素材，而是透過 AI 即時理解當下對話內容與場景，自動產出相應的表情、嘴型與身體律動。這意味著，未來任何創作者只要上傳一張自己的照片，就能擁有專屬的數位分身，無需專業動補設備或動畫師團隊，大幅降低內容生產門檻。

這項技術對直播生態的影響可能相當深遠。一方面，個人創作者不再需要長時間露臉直播，可以更靈活安排時間，甚至讓數字人代替自己進行深夜帶貨、遊戲陪玩等長時間互動；另一方面，平台也能以更低成本擴充內容供給，打造 24 小時不間斷的虛擬偶像頻道。不過，這也伴隨著潛在爭議——當虛擬形象能完全模仿真人行為時，版權歸屬、肖像權保護，以及觀眾是否會混淆真假，都將成為監管與社會層面的新課題。

值得注意的是，虎牙並非第一家嘗試數字人直播的公司，但 VAM 1.0 強調「實時多模態」與「低門檻輸入」，讓它與競爭對手產生區隔。例如，部分廠商採用預錄動畫或固定腳本，缺乏即興互動能力；而 VAM 1.0 則能做到自然對話與隨機應變，甚至能根據遊戲進度做出即時反應。這對於以遊戲直播為核心的虎牙而言，尤其具有戰略價值。

讀者可以持續關注幾個後續動向：首先，VAM 1.0 是否會正式上線開放給所有創作者使用，還是僅限特定合作頻道；其次，它在長時間運行下的穩定性與算力消耗表現；再者，其他平台如鬥魚、Bilibili 是否會跟進推出類似功能，形成新一波數字人軍備競賽；最後，主管機關對於 AI 生成的直播內容是否有新的規範指引。整體而言，虎牙這一步或許預告了直播產業將從「真人驅動」跨入「AI 驅動」的新時代。