В мае 2019 года музей Сальвадора Дали во Флориде открыл Dalí Lives: художник появлялся в человеческий рост на интерактивных экранах, рассказывал о себе и делал селфи с посетителями. За эффектом присутствия стоял подготовленный видеоматериал: музей сообщал о 125 роликах общей продолжительностью более 45 минут. Изображение лица Дали накладывали на лицо актера. Это важная предыстория нынешних аватаров: убедительное присутствие на экране появилось раньше свободного разговора с генеративной моделью. Музей о запуске Dalí Lives.
В апреле 2024 года тот же музей представил Ask Dalí. Посетитель поднимает трубку телефона, созданного по мотивам «Телефона-омара», и задает вопрос. Музей описывает сочетание языковой модели и синтезированного голоса, основанного на архивных материалах. Здесь главное — разговор, а не видимый аватар. Два проекта одного музея показывают, почему при выборе решения нужно отдельно обсуждать образ, содержание и способ общения. Музей о запуске Ask Dalí.
Сначала выбрать роль цифрового собеседника
Под словом «аватар» заказчик может иметь в виду ведущего записанного ролика, персонажа с заранее подготовленными ответами, генеративного консультанта или изображение живого удаленного сотрудника. Внешне это может быть одна и та же стойка с большим экраном. Объем работы и критерии приемки при этом различаются.
Для рекламной точки достаточно привлечь внимание и помочь выбрать раздел каталога. Для офиса продаж важны актуальные цены, наличие и передача обращения человеку. Для музея существенны происхождение реплик и ясная граница между историческим свидетельством и современной интерпретацией. Начинать проект с выбора лица и размера экрана удобно для демонстрации, но недостаточно для работающего сервиса.
Музей: персонаж или подлинное свидетельство
Dalí Lives решает задачу эмоционального знакомства с художником. Подготовленные реплики и множество сочетаний создают разнообразие взаимодействий, но это не доказательство, что персонаж мог произвольно обсуждать любую тему. Ask Dalí, напротив, допускает новые вопросы и динамические ответы. Ответ такого собеседника нельзя автоматически считать подлинным высказыванием Дали: его формирует современная система. Эти режимы полезны для разных кураторских задач.
Есть и третий подход. В экспозиции Voices from the Front Национального музея Второй мировой войны в Новом Орлеане посетители задают вопросы свидетелям событий через интерактивные видеодисплеи. Система выбирает подходящие заранее записанные ответы; музей подчеркивает сохранение собственных слов и голоса рассказчиков. Описание экспозиции.
Разработчик инсталляции Ideum сообщает о совместной работе с музеем и StoryFile и открытии версии экспозиции в марте 2024 года. В документации StoryFile описан поиск по расшифровкам видеозаписей и вариантам вопросов. Это позволяет сделать архив похожим на беседу, не поручая модели придумывать новую биографическую реплику. Кейс Ideum, документация StoryFile.
Для корпоративного музея такая схема подходит, например, для интервью с основателем или инженером. Практическая граница — объем записанного материала. Если ответа нет, системе лучше показать связанные темы или честно сообщить об отсутствии записи. Качество определяется не только сходством лица, но и тем, насколько точно выбранный фрагмент отвечает на вопрос.
Выставка и офис продаж: представитель бренда
Qatar Airways показала Sama 2.0 на ITB Berlin в марте 2024 года. По сообщению авиакомпании, цифровая сотрудница, разработанная с UneeQ, отвечает в реальном времени на типовые вопросы, рассказывает о направлениях и дает справочную информацию. Были также заявлены каналы доступа через QVerse и приложение авиакомпании. Это конкретный пример персонажа бренда с ограниченной сервисной ролью. Сообщение Qatar Airways.
Для офиса продаж аналогичный сценарий можно сформулировать предметно: посетитель описывает задачу, ассистент показывает несколько подходящих продуктов, объясняет различия и передает выбранный вариант менеджеру. Это предлагаемая схема применения, а не описание проверенного внедрения у конкретного продавца.
У такой стойки должны быть источники актуальных сведений. Красиво произнесенный старый прайс не становится правильным ответом. В приемку полезно включить изменение цены в базе, отсутствие товара, вопрос о нестандартной скидке и запрос, который нельзя решить автоматически. Если интеграции с учетной системой нет, возможности стенда стоит ограничить справочной консультацией.
Ресепшен: ответы на повторяющиеся вопросы
Proto описывает внедрение виртуального консьержа на устройстве Epic в Hotel X Toronto. Кейс опубликован в феврале 2024 года и подтверждает применение отдельной физической установки в гостиничном обслуживании. При этом в публикации нет проверяемого расчета экономии рабочего времени или сокращения штата. Эти рекламные обещания нельзя переносить в финансовое обоснование своего проекта. Кейс поставщика.
В корпоративном офисе близкая задача — объяснить маршрут, часы работы, порядок обращения или способ связаться с принимающим сотрудником. Ответ на вопрос «где переговорная?» и выдача пропуска — разные операции. Во втором случае нужны отдельные интеграции, правила доступа и обработка исключений. Сам факт наличия аватара ничего из этого не подтверждает.
Практический результат здесь можно оценивать по доле корректно завершенных обращений и времени до получения помощи. Число людей, остановившихся посмотреть на экран, показывает привлекательность установки, но не качество работы ресепшена. Для рекламного стенда внимание может быть самостоятельной целью; для сервисной стойки его недостаточно.
Из чего состоит живой аватар
У разговорной стойки есть несколько независимых частей. Микрофон получает речь; распознавание превращает ее в текст. Диалоговый модуль выбирает ответ, обращается к базе знаний и при необходимости вызывает разрешенную операцию — например, поиск товара. Синтез речи создает звук, а модель аватара согласует с ним губы, лицо и движения. Поток передается на экран. Некоторые платформы объединяют эти части, другие предоставляют только визуальную часть и подключение к ней.
mermaid flowchart LR A[Речь посетителя] --> B[Распознавание] B --> C[Диалог и база знаний] C --> D[Синтез речи] D --> E[Лицо и движения] E --> F[Экран и звук] C --> G[Разрешенные действия]
Это схема функций, а не требование собирать шесть отдельных программ. Для живого разговора важна еще очередь реплик: система замечает, что посетитель начал говорить, прекращает старый ответ и учитывает уточнение. Быстро нарисованное лицо без этой логики будет продолжать монолог поверх человека. В приемке поэтому полезно измерять время от конца вопроса до первого звука, согласованность губ и речи и остановку ответа при перебивании.
Что предлагают основные сервисы
HeyGen: ролики и отдельная платформа LiveAvatar
HeyGen создает видео с ведущими по подготовленному тексту или звуку. Для разговора в реальном времени у компании есть отдельная платформа LiveAvatar. В ее справке прямо указано, что модели и аватары двух платформ сейчас не взаимозаменяемы. Готовый Digital Twin для роликов нельзя считать автоматически подготовленным собеседником для стойки; у LiveAvatar собственные настройки и планы. Справка LiveAvatar.
Synthesia: видеопроизводство и интерактивный API
Видеоредактор Synthesia подходит для инструкций, обучения и локализации подготовленных роликов. Отдельный Interactive Avatars API дает живого собеседника в приложении разработчика. Документация предлагает подключить свою языковую модель и распознавание речи; Synthesia отвечает за изображение аватара и при необходимости синтез речи. Предусмотрены примеры с базой знаний и вызовом инструментов. Для интеграции нужен доступ именно к Interactive Avatar API, а не просто наличие роликов в аккаунте. Документация Synthesia.
D-ID и Tavus: встраиваемый разговор
D-ID Agents Embed позволяет встроить визуального агента в веб-интерфейс. Такой подход удобен для киоска на базе браузера: интерфейс и знания настраиваются программно, а экран, микрофон и акустика выбираются под помещение. D-ID Embed.
Tavus предлагает Conversational Video Interface — платформу, объединяющую очередность реплик, восприятие, речь и изображение. За визуальное воспроизведение лица и движений отвечает семейство Phoenix. Это еще один вариант программной основы живого собеседника, с которым можно сравнивать собственную сборку. Заявления о естественности следует проверять на одинаковом русском сценарии и при одинаковом фоне помещения. Tavus CVI.
StoryFile из музейного примера решает другую задачу: находит подходящий записанный ответ. Soul Machines предлагает цифровых собеседников, а Proto соединяет программную платформу с физическими устройствами. При сравнении предложений сначала стоит зафиксировать, покупаем ли мы видеопроизводство, живого агента или готовую установку. Soul Machines, Proto.
Как создают внешность и движения
Самый короткий путь — фотоаватар: исходником служит фотография, иллюстрация или изображение вымышленного персонажа. Модель создает движения лица и головы; они не являются записью привычных жестов конкретного человека. В HeyGen Photo Avatars качество результата зависит в том числе от позы, освещения и исходного изображения. Такой путь подходит для нарисованного представителя бренда. Создание Photo Avatars.
Для цифрового двойника используют видеозапись человека. Она дает образец внешности и манеры движения; голос может подключаться отдельным этапом. Сначала выбирают формат кадра и образ, затем записывают материал по требованиям сервиса, создают аватар и проверяют его на новых репликах. Для реального сотрудника заранее согласуют использование образа и голоса, темы выступлений и порядок удаления двойника. Это организационные условия проекта, а не вывод о правах из наличия фотографии.
Подготовка живого аватара может отличаться от подготовки ведущего роликов. Например, инструкция HeyGen LiveAvatar отдельно предусматривает состояния говорения, слушания и ожидания. Из-за этого удачный видеодвойник не всегда подходит для непрерывной беседы без дополнительной подготовки. Инструкция LiveAvatar.
Чем различаются поколения HeyGen
Номер движка описывает способ анимации, а не знание темы разговора. В Avatar Lab компания характеризует Avatar III через точную синхронизацию губ и стабильность, Avatar IV — через более выразительные генерируемые движения лица и головы. В руководстве IV говорится об использовании интонации, ритма и эмоции звука для построения мимики. Отсюда практическая разница: у более выразительного движка меняется не только рот; появляются паузы, наклоны и реакции лица. Avatar Lab, руководство Avatar IV.
К октябрю 2026 года в официальной линейке уже есть Avatar V: производитель делает акцент на сохранении индивидуальности и движениях всего тела. Поэтому сравнение III и IV полезно как объяснение развития анимации, но не исчерпывает текущий выбор. Это позиции производителя, а не наш рейтинг визуального качества. Для выбора нужно дать движкам один образ и один звук: проверить губные согласные, имена, числа, паузы, улыбку и возвращение в нейтральное состояние. Отдельно оценивают жесты: естественное движение для приветствия может отвлекать в серьезном ответе. Сравнение движков.
MiniMax на fal: видео действительно может генерироваться быстрее воспроизведения
У этого направления уже есть конкретные цифры. В замерах fal от 8 сентября 2026 года пятисекундное видео 768p у MiniMax H3 Max генерировалось за 2,46 секунды, у H3 Max Turbo — за 1,54 секунды. Таблица измеряет timings.inference, то есть работу модели; очередь, подготовка запроса и кодирование добавляются отдельно. Для пятнадцатисекундного видео 768p у обычного H3 Max указано уже 15,17 секунды. Следовательно, преимущество зависит от режима. Замеры fal.
Это делает такие модели интересными кандидатами для коротких динамических видеореплик. Однако коэффициент скорости меньше единицы сам по себе не задает время до первого кадра, возможность перебить речь или точность произношения заданного текста. Для непрерывного видео у fal отдельно документирован H3 Max Director с WebRTC и изменением указаний во время потока; realtime API обозначен как экспериментальный. H3 Max Director.
Инженерный следующий шаг — сравнить две схемы: готовый разговорный аватар и генератор коротких фрагментов. Для второй проверить стыки, постоянство лица и голоса, воспроизведение точной реплики и отмену еще не показанного ответа. Быстрая генерация открывает возможность такого решения; его надежность для стойки определяется этими испытаниями.
CDNvideo: российское предложение и открытая часть технологии
CDNvideo предлагает ИИ Аватар как видеочатбота с базой знаний и разными ролями. В итогах 2025 года компания сообщает о показе стелы с виртуальным сотрудником на ПМЭФ и проектах для операторов связи, туризма, кадровых задач и торговли. Там же описано развитие эмоций, жестов и активного слушания. Это сведения поставщика о своих проектах. ИИ Аватар, итоги 2025 года.
В базе знаний отдельно представлены ИИ Ведущий по текстовому сценарию и ИИ Персонаж по фото. Эти продукты для видеопроизводства не следует смешивать с диалоговым помощником. В прочитанных материалах не названы точные модели, которые строят лицо и формируют ответы интерактивного аватара. Поэтому при выборе CDNvideo стоит запросить состав решения, место обработки речи и знаний, возможность локального размещения, интеграции и измерения задержки. Приписывать сервису HeyGen, MiniMax или собственную базовую модель по внешнему сходству оснований нет. База знаний CDNvideo.
Как проверить стойку до закупки
Предлагаю начинать с короткого набора реальных обращений, а не с эффектного приветствия. В него стоит включить обычный вопрос, уточнение после первого ответа, перебивание, несколько говорящих рядом, неизвестный системе факт и просьбу позвать человека. Отдельно проверить восстановление после потери сети: посетителю должно быть понятно, что делать дальше.
Внешний образ также требует задания. Это вымышленный сотрудник, цифровой двойник действующего представителя или историческая реконструкция? Кто утверждает реплики и обновляет знания? Какие слова система вправе произносить от имени организации? Ответы определяют доверие к установке не меньше, чем качество анимации лица.
Практическая ценность аватара возникает там, где он помогает закончить понятное действие: узнать историю, выбрать продукт, найти помещение или обратиться к сотруднику. Все четыре сценария уже имеют технологические и проектные примеры. Замену полноценного менеджера следует доказывать отдельно — на его реальных обязанностях и исключениях, а не по впечатлению от первого разговора.