百度一镜实现多人对谈需通过多智能体协同与分镜编排，不可套用单数字人模板；须为每位角色独立创建数字人、完成形象训练与声音克隆；同一账号最多启用5个角色；支持ai仿写或手动分镜编写脚本；需开启多角色协同模式、配置互动节点与动态切镜，并确保音轨延迟差＜80ms。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
要在百度一镜中实现多人对谈场景，比如双人访谈、三人圆桌讨论或专家辩论等形式，不能直接套用单数字人直播模板，必须通过多智能体协同调度与分镜编排完成——平台不支持在同一个数字人实例里“分裂人格”，但可通过多个独立数字人角色联动达成真实对谈效果。
准备多个数字人角色
进入「我的人像」→ 点击「新建人像」→ 选择「公共人像库」或「克隆人像」，为每位对话角色单独创建。例如：主持人用商务西装形象，嘉宾A用学术眼镜造型，嘉宾B用休闲青年风格。每人均需独立完成形象训练与声音克隆（如使用精品克隆，【训练视频必须张口说话且时长≥3分钟】，否则唇形驱动会严重失准）。
注意：同一账号下最多可同时启用5个数字人角色参与单场对谈，超出后系统将自动禁用最早添加的角色。
构建对谈脚本逻辑
方法一：使用AI脚本仿写工具
上传一段真实三人访谈视频字幕或逐字稿 → 在「脚本生成」页选择「仿写模式」→ 设置“角色分配比例”（如主持人占40%，嘉宾A占30%，嘉宾B占30%）→ 生成带角色标注的结构化脚本。
调用百度PaddleOCR‑VL大模型API，支持PDF、Word、PPT、图片等多格式文档解析，精准识别印刷体、手写体、表格、公式、图表、印章等复杂元素，支持100+语言，可处理不规则布局和跨页长文档。触发词：文档解析、VLM解析、大模型OCR、PaddleOCR、多模态文档、手写识别、公式识别、复杂版面。
方法二：手动分镜编写
在「剧本模式」编辑器中，用“#角色名”开头标记每段台词，例如：
#主持人：欢迎来到本期《科技前沿说》。
#嘉宾A：我认为大模型推理成本正在快速下降。
#嘉宾B：但能耗问题依然制约边缘部署……
平台会自动识别这些标签并分配对应数字人发声与口型驱动。
配置多角色互动与切镜
第一步：在「直播设置」→「场控策略」中开启「多角色协同模式」。
第二步：点击「添加互动节点」→ 选择「触发条件」为“观众提问含关键词”或“时间轴到达XX秒”→ 指定响应角色（如观众问“训练数据来源？”，自动由嘉宾A接话）。
第三步：进入「镜头管理」→ 拖拽预设分镜模板（如“左右双人平视”“三角构图”“主讲+侧听”）→ 为每个镜头绑定对应数字人ID。
第四步：勾选「动态切镜同步唇动」→ 启用后，镜头切换瞬间数字人口型不会卡顿或错位，但【必须确保所有角色音轨延迟差＜80ms】，否则会出现声画不同步。
这一步操作起来很简单，直接把分镜模板拖进去就行，但切镜节奏要配合台词停顿点，否则观众会觉得“抢话”或“冷场”。
启动实时对谈推流
确认所有数字人状态为「就绪」→ 在「推流设置」中选择目标平台（抖音/视频号/百度百家号等）→ 开启「多路音轨混流」→ 点击「开始直播」。
此时后台自动调度5个智能体：1个负责全局话术推进，2个执行角色演绎，1个监听弹幕触发问答，1个实时校验多模态一致性（动作/眼神/唇动/语气）。
