Linly-Talker在殡葬服务机构的人性化服务尝试

Linly-Talker在殡葬服务机构的人性化服务尝试

在一场追思会的角落，一位老人轻声对着屏幕说：“爸，我今天带孙子来看你了。”片刻沉默后，画面中的父亲缓缓开口，声音温和熟悉：“好孩子，家里人都好，我就放心了。”这不是电影情节，而是某地殡仪馆中真实发生的一幕——借助数字人技术，逝者的形象与声音被温柔“唤醒”，为生者带来片刻慰藉。

这样的场景背后，是人工智能从效率工具走向情感载体的重要转折。尤其是在殡葬服务这一充满人文关怀的领域，传统模式正面临挑战：纪念方式多停留在静态相册、碑文或简短视频，难以满足家属深层次的情感表达需求；专业心理疏导资源稀缺且介入时机有限；而年轻一代对长辈的记忆往往模糊，家族故事面临断裂风险。

正是在这样的现实背景下，像Linly-Talker这样的一站式实时数字人系统开始崭露头角。它并非追求“复活”逝者，而是通过AI技术重构记忆的呈现方式，让缅怀变得更可感、可听、可对话。其核心能力在于将复杂的多模态AI技术——语言理解、语音识别、语音合成、面部动画驱动——封装成一个低门槛、易部署的整体解决方案。只需一张照片和一段录音，机构就能为家属生成一个能“说话”、有表情、音容宛在的数字人形象，用于纪念视频制作或互动式追思体验。

这不仅是技术的应用升级，更是一种新型情感支持机制的探索。当科技不再只是冷冰冰的算法堆叠，而能真正触达人心最柔软的部分时，它的价值才得以完整显现。

支撑这一系统运行的，是一整套协同工作的AI模块。它们各自承担关键角色，又紧密配合，共同构建出自然流畅的交互体验。

首先是大型语言模型（LLM），它是数字人的“大脑”。不同于早期基于规则的应答系统，现代LLM如ChatGLM、Qwen等具备强大的上下文理解和语义生成能力。在殡葬场景中，它可以接收家属提问——无论是“妈妈，你还记得我小时候的事吗？”还是“爸爸最后想对我说什么？”——并生成语气庄重、富有同理心的回应。通过精心设计的提示词（prompt engineering），我们可以引导模型输出符合哀悼氛围的语言风格，避免轻浮或过度拟人化。例如：

from transformers import AutoTokenizer, AutoModelForCausalLM model_name = "THUDM/chatglm3-6b" tokenizer = AutoTokenizer.from_pretrained(model_name, trust_remote_code=True) model = AutoModelForCausalLM.from_pretrained(model_name, trust_remote_code=True) def generate_response(prompt: str) -> str: inputs = tokenizer(prompt, return_tensors="pt", padding=True) outputs = model.generate( input_ids=inputs['input_ids'], max_new_tokens=150, do_sample=True, temperature=0.7, top_p=0.9 ) response = tokenizer.decode(outputs[0], skip_special_tokens=True) return response.replace(prompt, "").strip() prompt = "你是我母亲，我想知道你生病前最放心不下的事是什么？请用温柔而平静的语气回答我。" reply = generate_response(prompt) print("数字人回复：", reply)

这段代码展示了如何利用开源LLM生成具有情感色彩的对话内容。但实际应用中必须设置多重边界：输出需经过安全过滤，防止生成不当言论；结合逝者生平知识库增强事实准确性，避免虚构经历；更重要的是，始终明确告知用户这是“模拟对话”，而非真实意识延续。

接下来是自动语音识别（ASR），它是系统感知世界的“耳朵”。许多家属尤其是年长者，不习惯打字输入，更倾向于用口语倾诉思念。ASR技术使得他们可以自然地说出心里话，系统则将其转化为文本供后续处理。目前主流模型如Whisper，在中文环境下已能达到95%以上的识别准确率，且支持流式输入，实现近乎实时的逐字转写。

import whisper model = whisper.load_model("small") def speech_to_text(audio_path: str) -> str: result = model.transcribe(audio_path, language='zh') return result["text"] audio_file = "family_question.wav" text_input = speech_to_text(audio_file) print("识别结果：", text_input)

small版本可在普通GPU上运行，适合本地化部署，保障隐私安全。不过实践中仍需注意背景噪音、方言口音等问题，必要时可引入语音增强预处理或选择多方言适配的模型变体。

有了文本输入，下一步便是生成声音输出，这就轮到TTS与语音克隆技术登场。传统的TTS虽然自然度高，但缺乏个性。而语音克隆仅需3~5分钟的原始录音，即可提取音色特征，让AI说出“像他”的话。这种技术带来的沉浸感是颠覆性的——当子女听到父亲那熟悉的语调再次响起时，哪怕明知是AI，情绪也会瞬间被击中。

import torch from tortoise.api import TextToSpeech from tortoise.utils.audio import load_audio import torchaudio tts = TextToSpeech() reference_clip = load_audio("deceased_voice_sample.wav", 22050) voice_samples, _ = tts.get_conditioning_latents([reference_clip]) text = "孩子，我知道你很想我。你要好好生活，别太难过。" pcm = tts.tts_with_preset(text, voice_samples=voice_samples, preset='high_quality') torchaudio.save('output_voice.wav', pcm.squeeze(), 24000)

这里使用的是Tortoise-TTS，其多阶段解码机制在音质和表现力上尤为突出。但伦理红线也最为敏感：必须确保获得授权，限于家庭内部使用，严禁用于伪造遗嘱或欺骗性用途。所有输出音频都应标注“AI生成”标识，避免误解。

最后是面部动画驱动与口型同步技术，它赋予数字人“面容”。Wav2Lip这类模型能够根据语音频谱精准预测唇部运动，实现高度同步的视觉效果。配合少量表情微调，甚至可以让数字人在说到动情处微微低头或眼角含泪，进一步增强共情力。

import subprocess def generate_talking_video(photo_path: str, audio_path: str, output_path: str): command = [ "python", "inference.py", "--checkpoint_path", "checkpoints/wav2lip_gan.pth", "--face", photo_path, "--audio", audio_path, "--outfile", output_path, "--static", "True" ] subprocess.run(command) generate_talking_video( photo_path="deceased_photo.jpg", audio_path="generated_speech.wav", output_path="final_video.mp4" )

输入一张清晰正面照和AI生成语音，就能输出一段“会说话”的纪念视频。这项技术极大降低了高质量数字人内容的制作门槛，使小型殡仪服务机构也能提供个性化服务。

整个系统的典型工作流程如下：

[用户语音输入] ↓ [ASR模块] → 将语音转为文本 ↓ [LLM模块] → 生成情感化回复文本 ↓ [TTS+语音克隆] → 合成逝者音色语音 ↓ [面部动画驱动] ← 结合原始照片生成数字人视频 ↓ [显示终端] → 家属观看或交互

各模块通过API松耦合连接，支持独立替换升级。系统可部署于本地服务器，确保所有音视频资料不出内网，最大程度保护隐私。直系亲属凭身份验证登录后方可访问，服务结束后数据可选择永久删除。

在具体应用场景中，这套系统解决了多个现实痛点：

当然，任何触及生死议题的技术应用都不能忽视伦理考量。我们始终坚持三条底线：第一，绝不宣称“复活”或误导用户以为意识仍在；第二，禁止商业化滥用，不得用于广告或营利性表演；第三，尊重文化多样性，提供关闭选项，允许家庭基于信仰自由选择是否使用。

用户体验设计上也力求克制：界面简洁庄重，避免花哨特效；支持语音、触控等多种交互方式；提供“静音观看”模式，仅播放预设缅怀语录，适合不愿互动但希望感受陪伴的用户。

未来，随着情感计算、心理建模与多模态融合技术的进步，这类系统有望演进为真正的“数字遗产守护者”。想象一下，一个人一生中的文字、语音、影像被系统性整理，在其离世后由AI继承其语言风格、性格特质与价值观，继续以温和的方式参与家庭重要时刻——不是替代，而是延续。

Linly-Talker的意义，正在于此。它提醒我们，技术的终极目的不是炫技，而是在人类最脆弱的时刻，提供一份温柔的守候。当AI学会倾听悲伤、回应思念，它便不再是冰冷的机器，而成为记忆的容器、情感的桥梁。在这个意义上，“科技向善”不再是一句口号，而是正在发生的现实。