SentiPulse携手人大高瓴：开源交互式3D数字人框架SentiAvatar，领跑行业主流模型

3D数字人行业长期陷入“颜值内卷”的怪圈，忽视了自然表达与流畅动作的重要性。尽管建模和渲染技术不断进步，但数字人的肢体动作常与语义脱节，表情与情绪割裂，机械感强烈，难以实现深度交互。

人类沟通中，超70%的信息隐藏在非语言信号中，如耸肩、挑眉等细节。然而，数字人发展面临三大瓶颈：中文高质量数据稀缺、复杂语义下动作漂移、音画节奏错位。这些问题让数字人停留在“预设脚本播放机器”的阶段，无法真正“懂交流”。

为此，SentiPulse联合中国人民大学高瓴人工智能学院推出SentiAvatar，一款面向全球开源的交互式3D数字人框架，旨在打破这些瓶颈。SentiAvatar通过全新动作生成范式，赋予数字人更自然的动作与表情。

在数据层面，团队构建了SuSuInterActs数据集，包含2.1万段多模态对话语料，涵盖语音、文本、全身动作与面部表情，填补了中文高质量数据空白。同时，自研的Motion Foundation Model动作基础模型，在超过200K条异质动作序列上训练，突破对话场景限制。

SentiAvatar创新提出“plan-then-infill”双通道架构，将身体动作与面部表情分开处理，先规划动作，再逐帧填充细节，确保流畅性。实验显示，SentiAvatar在多项核心指标上达到国际最优水平（SOTA），性能全面领先行业主流模型。

基于高质量数据与核心架构，SentiAvatar可在0.3秒内生成6秒动作序列，支持无限轮次流式交互，解决“交互卡顿”问题。目前，该框架已上线GitHub开源平台，开发者可低成本打造专属数字人，并拓展其在游戏、影视、机器人等领域的应用。

当数字人能感知语境、理解情绪并主动表达，它将不再是冰冷的工具，而是具备情感价值的“数字生命”。