假如你是一位剧场老板，手底下有两支戏班可以选。一支是“皮影派”：画师几天就能赶出几十张彩色剪影，成本低得让人心动，可惜角色永远只有一个侧脸，转不过身、换不了机位；另一支是“提线木偶派”：师傅们要从选木、雕刻、装关节到编排动作，忙活上好几个月，可一旦站上舞台，那立体的五官、灵活的关节、随光线流转的丝绸质感，立刻让皮影黯然失色。你心里清楚——观众嘴上不说，眼睛却齐刷刷盯着那只会眨眼的提线木偶。 这台“提线木偶”放到数字世界里，就是3D数字人。它先被“雕刻”成三维网格人形，再像师傅装关节一样“绑”上虚拟骨骼，接着被“排练”出喜怒哀乐的动作，最后由后台操作员实时“牵线”，与观众对答如流。这堂课，我们就跟着木偶师傅的步骤，把这门从建模到实时驱动的“木偶戏”完整看一遍。

岗位关联

学完本文，你将完整掌握3D数字人从建模、骨骼绑定、动画制作到实时驱动的技术全链路，并具备为业务选择2D/3D方案的核心选型能力——这是数字人产品经理与AI工程师必备的决策功底。

目录
  1. 可视化演示
  2. 1. 3D数字人概览：台前幕后的全景
  3. 2. 三维建模技术：雕刻人偶的每一寸
  4. 3. 骨骼绑定系统：装上关节与提线
  5. 4. 动画制作技术：编排精彩的戏码
  6. 5. 实时驱动引擎：幕后操作员的实时操控
  7. 6. 渲染呈现技术：舞台灯光与特效
  8. 7. 成本与选型：剧场老板的账本
  9. AI 应用场景
  10. Python 演示
  11. 常见误区
  12. 面试题

可视化演示

展示3D数字人建模管线（网格→纹理→骨骼→蒙皮）、实时驱动四阶段流程（输入→TTS→动画→渲染）及2D与3D方案多维度对比，交互切换理解核心技术链路。

本节配有交互动效（进入视口后自动加载，约 3KB）。

3D建模管线四阶段 网格建模：多边形构建三维几何体 纹理映射：UV展开+材质贴图 面数 = 精度 × 400 骨骼绑定与蒙皮权重决定形变质量

1. 3D数字人概览：台前幕后的全景

推开剧场后台的门，木架上一字排开两样家伙什：左边是薄薄的皮影人，灯光一打，影子在幕布上活蹦乱跳；右边是提线木偶，圆滚滚的脑袋、能弯能伸的四肢、绣花绸缎的衣裳，光是站着就透出一股“贵气”。作为剧场老板，你要明白这贵气从何而来——它来自“立体”。皮影只有一张平面的侧影，木偶却有完整的体积，换个角度看，五官身材依然成立。

搬到数字世界，这“提线木偶”就是3D数字人：它用三维网格构建出有体积的形象，配上虚拟骨骼、材质、光照，再交给渲染引擎实时画出来。而皮影就是2D数字人——一张平面图片靠驱动变形做出动画效果。3D数字人的核心优势正在于此：可旋转视角、可换机位、可实时打光，表情和肢体的立体感是2D方案无法企及的。

三维网格是3D数字人的“皮”，数学上用一个三元组描述：

三角形面数的多少，就像木偶衣裳上布片的疏密：布片越多，曲面越圆润；但缝制越耗时。3D数字人正是在“精细度”与“实时性”之间做平衡——面数堆到千万级能拍电影，但直播场景必须砍到几十万面以内，才能保证每一帧都追得上观众的互动。

M=(V,E,F)\mathcal{M} = (V, E, F)
网格就像木偶艺人手中的“皮料清单”：顶点是裁缝标记的针眼，边是缝合线，三角形面片则是缝好的布片，三者共同围出立体形状。
  1. \mathcal{M}（网格模型）整个三维数字人的几何载体，相当于木偶的“外皮”。
    M\mathcal{M}
  2. V（顶点集）网格上的顶点，每个顶点记录 x、y、z 三维坐标，如同木偶皮面上的针脚位置。
    V={ v1,v2,…,vn }V = \{\,v_1, v_2, \dots, v_n\,\}
  3. E（边集）连接相邻顶点的边，定义了皮肤的“缝合路径”——网格拓扑结构。
    E={ (vi,vj)∣vi 与 vj 相邻 }E = \{\,(v_i, v_j) \mid v_i \text{ 与 } v_j \text{ 相邻}\,\}
  4. F（面集）三角形面片，是渲染的最小单元。面数越多，皮面越光滑，算力开销也越大。
    F={ (vi,vj,vk) }F = \{\,(v_i, v_j, v_k)\,\}

2. 三维建模技术：雕刻人偶的每一寸

师傅从木料堆里挑出一块椴木，先用粗凿砍出人的轮廓，再用刻刀琢出眉眼鼻唇，最后蒙上丝绸、描上彩绘。3D建模就是这条流水线的数字化版本：粗模搭建比例 → 精修面部细节 → 贴图赋予质感。建模师在Blender、Maya里拖动顶点，就像师傅在木头上一刀一刀找形。

除了纯手工，还有一条“翻模”捷径——三维扫描。真人往扫描台上一站，几十台相机同时闪光，几秒就能生成高精度点云和网格，效率远超手工。但扫描结果往往带噪点，仍需建模师手动清理修补。

建模师调节面部轮廓时，背后常用到贝塞尔曲线——像师傅手里握着一排“磁铁”，拖哪个控制点，附近的脸部曲线就顺势平滑变形：

数字人的脸不是一刀一刀砍出来的，而是师傅通过调整几个“关键尺寸”——颧骨高度、下巴宽度、眼距——让曲线平滑地牵动整片皮肤。这也是为什么顶级数字人建模师手上功夫，本质上是对人脸的深度理解：模型再精细，形不准，就成了“恐怖谷”里的蜡像。

P(t)=∑i=0nBi,n(t)×PiP(t) = \sum_{i=0}^{n} B_{i,n}(t) \times P_i
控制点就是建模师拖动的手柄，曲线永远被控制点“吸”着走，但不会生硬地穿过它们，保证脸型过渡自然。
  1. P(t)（曲线上点）参数 t 从 0 到 1 变化时，曲线上每个位置的三维坐标。
    P(t)P(t)
  2. P_i（控制点）第 i 个控制点，相当于“磁铁”的位置，即建模师拖拽的手柄。
    PiP_i
  3. B_{i,n}(t)（伯恩斯坦基函数）第 i 个控制点在参数 t 处的“影响力权重”，离得近影响大。
    Bi,n(t)=(ni)ti(1−t)n−iB_{i,n}(t) = \binom{n}{i} t^i (1-t)^{n-i}
  4. 求和叠加所有控制点按权重累加，得到最终曲线。
    ∑i=0n\sum_{i=0}^{n}

3. 骨骼绑定系统：装上关节与提线

木偶雕好了，可师傅一拎线，发现木头胳膊没有关节，根本抬不起来。于是得给木偶装球形关节，再穿好提线——哪个关节动、哪块皮肤跟着走、跟多少，都得定得明明白白。数字人的这一步叫骨骼绑定，业内叫Rigging。

先是搭骨架：从骨盆到脊椎、到头、到四肢，形成一套树状层级——大腿骨连着骨盆，小腿骨连着大腿骨，每个关节都像木偶的球形轴。然后是蒙皮：告诉网格上每个顶点“你受哪几根骨头控制，各占多少比例”。这个比例就是蒙皮权重。

肩膀上的顶点通常同时受锁骨和大臂骨两根骨头影响，各占一半，转动时才不至于撕裂。数学表达为：

权重就像布料在关节处的“责任分配”：肩肘之间，50% 跟大臂、50% 跟小臂，旋转时皮肉平滑过渡；如果一块皮肤只认一根骨头，动作稍大就“开裆撕裂”。好的绑定师眼里，权重不是一个数字，而是肌肉和骨骼协同滑动的体感。

v′=∑i=1nwi×Ti×vv' = \sum_{i=1}^{n} w_i \times T_i \times v
当骨骼动起来时，网格顶点跟随骨骼位置加权移动——就像肩膀这块布料一半缝在锁骨上、一半缝在大臂上，两方面拉扯，过渡才自然。
  1. v（初始顶点）蒙皮前网格顶点的原始三维坐标，即皮肤上针脚的初始位置。
    vv
  2. T_i（骨骼变换矩阵）第 i 根骨骼的旋转和平移，描述骨头怎么动。
    Ti∈R4×4T_i \in \mathbb{R}^{4 \times 4}
  3. w_i（蒙皮权重）顶点受第 i 根骨影响的比例，所有权重之和必须等于 1。
    ∑i=1nwi=1\sum_{i=1}^{n} w_i = 1
  4. v'（蒙皮后顶点）骨骼运动后皮肤跟随到达的新位置。
    v′v'

4. 动画制作技术：编排精彩的戏码

关节和提线都装好了，接下来要排戏。木偶师傅一格格设计“动作剧本”：第 0 秒手垂下，第 1 秒缓缓抬起，第 2 秒向观众鞠躬——这些定格的pose就是关键帧。动画师在时间轴上摆好几个关键姿态，中间的过渡交给计算机“脑补”。

关键帧之间的补间，在三维旋转里有个大坑：如果直接用欧拉角做线性插值，木偶的手臂会绕出诡异的弧线，甚至卡死转不动，这叫万向锁。聪明的做法是改用四元数，并对四元数做球面线性插值，即Slerp：

除了手K关键帧，动画师还能用动作捕捉：让真人穿上贴满反光点的动捕服做动作，摄像头记录关节轨迹，再“重定向”到数字人的骨架上——相当于木偶师身上绑一套联动线，你抬手它抬手，你转圈它转圈。近年来单目摄像头+AI的动作捕捉方案，更是把门槛从百万级动捕棚拉到了普通人的电脑前。

slerp(q0,q1,t)=sin⁡((1−t)θ)sin⁡θ q0+sin⁡(tθ)sin⁡θ q1\text{slerp}(q_0, q_1, t) = \frac{\sin((1-t)\theta)}{\sin\theta}\, q_0 + \frac{\sin(t\theta)}{\sin\theta}\, q_1
Slerp 让旋转沿最短的“大圆弧”平滑过渡，木偶抬手走的是自然弧线，不会在空中抖出鬼畜轨迹。
  1. q_0, q_1（起点与终点四元数）记录骨骼在关键帧处的旋转姿态，它们位于单位球面上。
    q0, q1q_0,\, q_1
  2. θ（夹角）两个姿态之间的角度差，描述旋转的“弧长”。
    θ=cos⁡−1(q0⋅q1)\theta = \cos^{-1}(q_0 \cdot q_1)
  3. t（插值进度）从 0 到 1 的动画播放进度，0 是起点姿态，1 是终点姿态。
    t∈[0,1]t \in [0, 1]
  4. 权重系数正弦项让插值在球面上匀速扫过，保证旋转速度恒定不抖动。
    sin⁡((1−t)θ)sin⁡θ,sin⁡(tθ)sin⁡θ\frac{\sin((1-t)\theta)}{\sin\theta},\quad \frac{\sin(t\theta)}{\sin\theta}

5. 实时驱动引擎：幕后操作员的实时操控

传统木偶戏，每个动作都提前排练好了；但数字人真正的杀手锏是“即兴表演”——观众问“今天天气如何”，它立刻张口回答，眉毛一挑、嘴角一扬，仿佛真有情绪。这背后是幕后“操作员”在实时牵线，也就是实时驱动引擎。

驱动引擎盯着一块特殊的控制面板：BlendShape（表情混合变形）。制作模型时，美术除了做一张“中性脸”，还会多做十几张表情基——微笑、皱眉、张嘴、眯眼，每张表情基记录了“相对于中性脸，每个顶点往哪挪了多少”。实时驱动时，引擎根据语音情绪，给每个表情基分配一个强度系数，然后线性叠加：

语音驱动只是其中一路输入。整套实时驱动引擎里，还坐着一位“最强大脑”——大语言模型：观众说话 → 语音转文字 → LLM 理解意图并生成回复与情绪标签 → 情绪标签换算成表情权重和口型参数 → 驱动口型同步和肢体动作。这正是3D数字人与传统预录动画的本质分野：每一帧都在现场生成，而非播放录像带。

v=v0+∑i=1nαi×Δviv = v_0 + \sum_{i=1}^{n} \alpha_i \times \Delta v_i
每个表情基是木偶脸上的一根独立控制线：微笑一根，皱眉一根，张嘴一根。操作员同时提拉几根线，力度不同，脸上就浮现“又惊又喜”的复杂表情。
  1. v_0（中性基准网格）没有任何表情时面部的顶点位置，是表情合成的起点。
    v0v_0
  2. \Delta v_i（表情基位移）第 i 个表情基相对中性脸的顶点位移增量，例如“微笑”让嘴角向上 0.35。
    Δvi=vi表情−v0\Delta v_i = v_i^{\text{表情}} - v_0
  3. \alpha_i（表情权重）当前帧该表情的“用力程度”，取值通常在 0 到 1，由语音情绪、文本情感实时算出。
    αi∈[0,1]\alpha_i \in [0, 1]
  4. v（合成结果）所有表情基加权叠加后，当前帧最终渲染的脸部网格。
    vv

6. 渲染呈现技术：舞台灯光与特效

木偶雕得再美、动作再活，舞台上没有灯也是白搭。调光师傅用追光、侧光、柔光，把木偶的轮廓、绸缎的纹理、眼珠的反光一一呈现出来。数字世界的调光师傅就是渲染引擎：它把三维网格、材质、灯光放进“摄影棚”，一帧一帧算出一张张逼真的图像。

渲染最经典的基石是Phong光照模型——它把一束光照到物体上的效果拆成三份：环境光（无影处的底光）、漫反射（材质固有色）、镜面反射（高光亮点）：

有了光照，还要有PBR材质——用更贴近物理的方式描述“金属”“皮肤”“丝绸”，配合高精度贴图，让数字人的皮肤透出真实的次表面散射。为了在手机上也跑得动，引擎会动用LOD分级（远处的模型用低模）、法线贴图（用贴图假装凹凸）等手段——相当于舞台远处放替身、近处上主演，剧场照样座无虚席。

I=kaIa+kdId(N⋅L)+ksIs(R⋅V)nI = k_a I_a + k_d I_d (N \cdot L) + k_s I_s (R \cdot V)^n
就像追光打在木偶脸上：环境光是剧场无处不在的微光，漫反射是衣服本来的颜色，高光是绸缎上那一道刺眼的亮线。
  1. k_a I_a（环境光项）即使没有直接光源，场景也带一点亮度，避免暗部死黑。
    kaIak_a I_a
  2. N · L（漫反射因子）表面法线 N 与光线方向 L 的点积，光线越正对表面，漫反射越亮。
    N⋅L∈[0,1]N \cdot L \in [0, 1]
  3. (R · V)^n（镜面反射项）反射方向 R 与视线 V 夹角的 n 次方，n 越大，高光斑越小越集中——丝绒和皮革的质感差别就在这个指数上。
    (R⋅V)n(R \cdot V)^n
  4. I（像素颜色）三项相加后，屏幕上该像素的最终亮度。
    II

7. 成本与选型：剧场老板的账本

深夜，剧场老板翻着账本左右为难。皮影戏班报价低、一周就能开演；提线木偶班要养五六个师傅，雕三个月木偶、排一个月戏，钱包着实肉疼。但想想明年的品牌晚宴，观众要的是“镇得住场子”的效果，老板一咬牙：请木偶班！

这道选择题，每个要做数字人的团队都会遇到。2D数字人：录制或绘制形象，靠平面驱动变形，制作周期以天计，适合短视频、带货直播；3D数字人：建模、绑定、动捕、渲染、实时推理一个不能少，周期以月计，带来的是立体视角、精细表情和真实交互。两者不是替代关系，而是预算和需求的匹配问题。

把账算到十年尺度，用总拥有成本模型看：

那么到底怎么选？一句口诀：要快、要省、内容高频换 → 2D；要立体、要交互、要做品牌资产 → 3D。短期营销活动用2D一天上线，品牌IP虚拟人则值得3D的重投入——因为它能成为沉淀下来的数字资产，换服装、换场景、换机位都能复用，长期边际成本反而更低。

TCO=Cbuild+(Cdrive+Cops)×TTCO = C_{build} + (C_{drive} + C_{ops}) \times T
请木偶班要付三笔钱：一笔请师傅雕木偶（一次性制作费），一笔是每场演出的劳务费（实时驱动算力），还有一笔是保养维修（运营维护）。演得越久，后两笔越不可忽视。
  1. C_build（一次性建设成本）建模、绑定、动画资产、动捕采集，全部首期投入。
    CbuildC_{build}
  2. C_drive（实时驱动成本）每单位时间 GPU 推理、渲染的算力费用，直播越长开销越大。
    CdriveC_{drive}
  3. C_ops（运维更新成本）模型换装、表情库扩充、服务器维护、内容迭代。
    CopsC_{ops}
  4. T（运行时长）数字人累计运营的时间，乘数效应让长期成本曲线差异明显。
    TT

AI 应用场景

虚拟主播：实时驱动的追光舞台

阶段：实时驱动 + 渲染呈现

解决的问题：传统直播主播需要真人出镜，有档期限制、成本高、状态不稳定；预录视频又无法与弹幕实时互动。3D虚拟主播由语音和文本实时驱动口型、表情与手势，可7×24小时上线。

具体案例：B站、抖音上的3D虚拟主播，观众发弹幕“唱首歌吧”，语音识别转文字 → LLM 理解意图 → 驱动数字人微笑点头、张口唱歌、随节拍摆动手臂 —— 这就是BlendShape表情混合与骨骼动画的实时协同。

数字员工：大厅里的LLM大脑

阶段：LLM推理对话 + 行为决策 + 语音驱动

解决的问题：银行、政务大厅的引导员重复劳动强度大，且无法覆盖全时段。3D数字员工以“拟人形象”承接咨询，用 LLM 提供业务答复，再以语音驱动口型与肢体动作，让交互体验贴近真人柜员。

具体案例：某国有大行在网点投放3D数字人家族，顾客在屏幕前说出“我要办社保卡”，大模型完成意图识别与流程答复，数字人在0.3秒内合成口型、点头示意、抬手引导至对应窗口，全流程无需真人介入。

影视级离线渲染：电影里的“数字替身”

阶段：高精建模 + 动作捕捉 + 离线渲染

解决的问题：高危镜头（跳楼、爆炸）或已故演员“重现银幕”，真人实拍难以实现。3D数字人通过高精度扫描+动捕+离线光追渲染，制作出肉眼难辨的CG角色。

具体案例：某科幻电影中主角的半机械义体，先通过全身三维扫描重建网格，再以光学动捕驱动骨骼，最后用PBR材质与全局光照离线渲染，每一帧渲染耗时数小时，换来IMAX银幕上的毛孔级真实感。

Python 演示

python53 行
import numpy as npimport matplotlib.pyplot as plt  def make_ring(n=16, r=1.0):    """生成一圈顶点，模拟数字人嘴部横截面"""    ang = np.linspace(0, 2 * np.pi, n, endpoint=False)    return np.stack([r * np.cos(ang), r * np.sin(ang)], axis=1)  def blend_shape(base, deltas, weights):    """BlendShape 表情混合: v = v0 + sum(alpha_i * delta_v_i)"""    out = base.copy()    for delta, w in zip(deltas, weights):        out += w * delta    return out  # 中性嘴型：16 个顶点围成一个圆base = make_ring(16) # 表情基 1：微笑，左右嘴角(4号与12号)上提smile = np.zeros_like(base)smile[4, 1] = 0.35smile[12, 1] = 0.35 # 表情基 2：张嘴，上唇(8号)上移，下唇(0号)下移open_mouth = np.zeros_like(base)open_mouth[8, 1] = 0.40open_mouth[0, 1] = -0.40 # 实时驱动模拟：语音情绪给出权重(微笑0.9，张嘴0.6)weights = [0.9, 0.6]face = blend_shape(base, [smile, open_mouth], weights) print("中性顶点0:", base[0])print("合成顶点0:", face[0]) # 可视化：中性 / 仅微笑 / 微笑+张嘴fig, axes = plt.subplots(1, 3, figsize=(9, 3.5))for ax, title, pts in zip(    axes,    ["Neutral", "Smile", "Smile+Open"],    [base, blend_shape(base, [smile], [0.9]), face],):    xs = np.append(pts[:, 0], pts[0, 0])    ys = np.append(pts[:, 1], pts[0, 1])    ax.plot(xs, ys, "-o", color="#818CF8", linewidth=2)    ax.set_title(title)    ax.set_aspect("equal")    ax.axis("off")plt.tight_layout()plt.show()
目的：用16个顶点围成嘴部轮廓，预定义“微笑”和“张嘴”两个表情基，按实时权重合成新表情——完整还原正文中的BlendShape公式。
  1. out = base.copy()复制中性网格，防止污染原始顶点数据
  2. out += w * delta每个表情基位移 × 权重后叠加，正是公式 v = v₀ + ΣαᵢΔvᵢ 的逐行实现
  3. smile[4, 1] = 0.35手工定义“微笑”表情基：左侧嘴角顶点向上移动 0.35 个单位
  4. face = blend_shape(base, [smile, open_mouth], weights)实时驱动引擎中一次典型的表情合成调用

常见误区

误区以为3D数字人的质量完全取决于模型“像不像”——只要贴图够精细、面数堆得多，数字人自然就活灵活现。

正解模型只是“皮”。没有骨骼绑定，皮动不起来；没有合理权重，一动就撕裂；没有动画与实时驱动，再像的模型也只是数字雕塑。真正让数字人“活”的是绑定 + 驱动 + 渲染的完整链路。好比一具木偶五官精雕、衣料华贵，但没装关节、没穿提线，它就只是个精致摆件。

为何常见：用户只看到最终屏幕上的形象，自然把功劳归给“美术做得像”，忽略了幕后大量工程环节。

误区看到2D数字人也能驱动口型、摆动身体，以为底层复杂度和3D差不多，选型时随手拍板。

正解2D本质是平面图像驱动，无法自由旋转视角、换不了机位；3D是立体网格 + 骨骼 + 渲染管线，制作上多出建模、绑定、动捕、实时渲染等环节，一次性成本高出一个数量级。选型先想清楚业务需不需要“立体视角”和“自由机位”。

为何常见：直播里2D形象动起来也很自然，容易让人忽略它本质上只是在平面上做图像变形。

误区以为把皮肤顶点牢牢绑死在“一根”骨头上最稳妥，动作不会乱飘。

正解权重的正确用法是“分摊”。肩部顶点同时受锁骨与大臂两根骨影响，各给0.5，才能平滑过渡；若全绑给大臂，肩一抬腋下皮肤就撕裂。绑定追求的不是“紧”，而是像真实肌肉骨骼那样协同滑动。

为何常见：“绑定”这个词自带“绑死”的语义，初学者容易按字面意思去理解。

误区以为数字人在直播里的所有动作都是预先录进文件、循环播放的，换个人问问题它也只会那几句话。

正解预录动画是提前制作好的“剧本”，只能按帧播放；实时驱动则是每帧由推理引擎现场计算——语音转文字 →大模型生成回复与情绪 → 驱动口型/表情/手势，观众问什么它就现场接什么。相当于木偶师的每一根线都是临场决定，而不是放录音带。

为何常见：大量低成本直播确实用“播片”以假乱真，让大众误以为所有数字人都是播片。

误区认为3D是高级形态、2D是低端过渡，所有场景都应该上3D。

正解业务是快速出短视频、一周二更，2D能以极低成本完成；需要品牌人格化、深度交互、多机位展示，才值得3D的重投入。选型的核心是“效果收益 ÷ 成本”的账能不能算平，跟技术先进与否无关。

为何常见：技术全景类文章自带“更高=更好”的叙事惯性，容易让人忽略商业上“合适才是最好”。

面试题

Q1. 3D数字人相比2D数字人的核心区别是什么？

单选题 · easy

  • A.3D是立体网格模型可自由旋转视角← 正确答案
  • B.2D方案支持更精细的表情动作
  • C.3D数字人完全不需要动画制作
  • D.2D数字人可任意改变镜头机位

答案：A。3D数字人的本质是立体网格模型，可自由旋转视角、换机位；2D基于平面图像驱动，无法真实改变观察角度。B说反了，C和D都是2D的局限性或3D的错误贬低。

Q2. 网格数据结构 M=(V,E,F) 中的 F 代表什么？

单选题 · easy

  • A.网格顶点的三维坐标集合
  • B.连接相邻顶点的边的集合
  • C.三角形面片的集合← 正确答案
  • D.模型表面材质贴图的集合

答案：C。F 是三角形面片的集合，是渲染的最小单元。A 对应 V，B 对应 E，D 是贴图材质，与网格拓扑结构无关。

Q3. 蒙皮权重计算 v'=ΣwᵢTᵢv 中，某顶点权重 w₁=0.5、w₂=0.5 表示什么？

单选题 · mid

  • A.该顶点被系统自动删除了一半
  • B.顶点受两根骨骼各一半比例影响← 正确答案
  • C.该顶点的位置始终保持固定不变
  • D.顶点只受其中一根骨骼的影响

答案：B。权重 w₁=0.5、w₂=0.5 说明顶点同时受两根骨骼各一半影响，这样肩膀、肘部过渡才自然。A无此概念，C与权重设置矛盾，D与0.5/0.5的比例不符。

Q4. 四元数 Slerp 球面插值主要解决什么问题？

单选题 · mid

  • A.网格顶点数量不足导致模型粗糙
  • B.旋转插值时的万向锁与动作抖动← 正确答案
  • C.渲染帧率过低造成的画面卡顿
  • D.材质贴图拉伸出现的纹理模糊

答案：B。Slerp 让旋转沿最短弧平滑过渡，避免欧拉角插值时的万向锁和动画抖动。A 属于网格细分问题，C 是渲染性能问题，D 是UV展开问题，均与旋转插值无关。

Q5. 关于 BlendShape 表情合成公式 v=v₀+Σαᵢ·Δvᵢ，下列说法正确的有？

多选题 · hard

  • A.Δvᵢ是第i个表情基的顶点位移增量← 正确答案
  • B.αᵢ是表情强度权重通常取值在0到1← 正确答案
  • C.v₀表示中性表情的基准网格顶点← 正确答案
  • D.权重αᵢ只能手动调节无法自动驱动

答案：ABC。A描述Δvᵢ正确，B描述αᵢ正确，C描述v₀正确。D错误——αᵢ在实时驱动引擎中恰恰由语音情绪、文本情感等自动计算，并非只能手动调。

Q6. 语音驱动3D数字人做出自然口型，正确的链路是？

单选题 · mid

  • A.语音→文本→语义理解→口型参数→BlendShape← 正确答案
  • B.文本→语音→直接播放完全不控制口型
  • C.语音→降噪滤波→直接映射到屏幕像素
  • D.预录视频片段→按时间顺序循环播放

答案：A。A 是标准的语音驱动链路：语音转文本，LLM理解语义与情绪，生成口型参数，再驱动 BlendShape 合成表情。B 不控制口型，C 缺失语义层且映射对象错误，D 是预录播片而非实时驱动。

Q7. Phong 光照模型中，(N·L) 这一项表示什么？

单选题 · easy

  • A.环境光对表面的整体照明强度
  • B.法线与光线方向点积的漫反射强度← 正确答案
  • C.物体表面对光线的透明程度影响
  • D.阴影贴图中像素深度值的大小

答案：B。(N·L) 是表面法线与入射光方向的点积，决定漫反射亮度——光线越正对表面越亮。A 对应环境光项 kₐIₐ，C 是透明度，D 是阴影贴图，均与漫反射点积无关。

Q8. 关于2D与3D数字人的成本与选型，下列说法正确的是？

多选题 · extreme

  • A.3D方案的一次性制作成本显著高于2D← 正确答案
  • B.2D方案无法实现真正的任意视角旋转← 正确答案
  • C.高频内容更新场景下3D模型复用更灵活← 正确答案
  • D.3D数字人运行时不需要任何渲染开销

答案：ABC。3D 的建模、绑定、动捕推高了一次性成本（A对）；2D 是平面投影，没有真实三维几何，换不了视角（B对）；3D 模型可换装、换景、多机位复用，长期内容更新边际成本更低（C对）。D 错——3D 每帧都要实时渲染，GPU 算力开销恰恰不容小觑。

Q9. 骨骼绑定时，若肩部顶点权重全部分配给大臂骨，后果是什么？

单选题 · hard

  • A.衣服与身体之间产生明显的穿模
  • B.肩膀转动时该处皮肤撕裂出现破洞← 正确答案
  • C.模型整体网格面数自动增多导致卡顿
  • D.动画播放速度在时间轴上明显变慢

答案：B。肩部皮肤需要锁骨与大臂共同分摊权重，全部绑给大臂后，锁骨转动时缺少拉扯补偿，皮肤就会被撕开。A 是碰撞问题、C 是几何复杂度问题、D 是时间轴问题，都不会由权重分配直接引发。

Q10. 实时驱动与预录动画的本质区别是什么？

单选题 · mid

  • A.驱动是现场生成而预录是播放固定片段← 正确答案
  • B.预录动画可以随机回答观众的任意问题
  • C.实时驱动完全不需要任何算力推理支持
  • D.两者在底层技术实现上完全相同

答案：A。实时驱动每帧由推理引擎现场计算动作与表情，能根据输入即兴反应；预录动画只能按帧播放固定的“剧本”。B 说反了，C 错在实时驱动恰恰需要较高的推理算力，D 明显违背两者本质差异。