廣告位招商中 歡迎洽談
繁體中文
English简体中文繁體中文日本語EspañolPortuguês한국어DeutschFrançais
所有網站

D-ID Agentic Videos 如何將預錄影片演講轉化為即時互動式對話

指南
365Finds Editorial
已收錄 11,430 篇 Wiki 文章

讓你的 AI 用上 365 Wiki

複製下方的提示詞，貼給你常用的 AI，然後直接提問。

下載完整版 Skill

先用提示詞體驗；經常使用時，安裝完整版 365Wiki Skill，以後無需重複複製。沒有常用 AI？Gemini、Microsoft Copilot 等網頁版也可以。

365Wiki Skill

下載完整版 Skill
長期以來，預錄影片演講在企業培訓與商業傳播中始終面臨著結構性限制：錄播影片易於低成本大規模傳播，卻本質上屬於單向廣播。當企業員工在觀看合規培訓時遇到晦澀條款，或潛在客戶在觀看產品展示時對資安架構產生疑慮，播放進度條只會持續推進。觀眾往往陷入兩難：要麼強忍疑惑導致注意力分散，要麼暫停播放離開頁面去搜尋引擎或內部文件庫查閱資料，而這往往直接引發用戶流失。


D-ID 推出的 Agentic Videos 功能徹底打破了這種被動壁壘。該技術並非單純在影片側邊放置聊天機器人，而是將即時大語言模型與生動的擬真數位人對話層直接疊加於預錄影片之上。觀眾在觀看過程中，可隨時點擊播放介面上的「提問（Ask）」藥丸按鈕；播放器隨即平滑淡入（Crossfade）由同一形象出鏡的即時 AI Agent 互動視窗。數位人基於影片原始語音逐字稿及擴充知識庫，透過自然語音或文字為觀眾提供精準專業的個性化解答，甚至能直接引導觀眾跳轉至影片的對應時間點；解答完畢後，觀眾又能無縫返回剛才暫停的影片畫面繼續觀看。


本文深入解析 D-ID Agentic Videos 的底層技術架構、四大核心技術支柱、完整用戶互動體驗閉環、零程式碼與 API 雙重落地路徑，以及企業培訓與數位行銷團隊的最佳實踐。




傳統單向影片播放的核心痛點


在企業學習與發展（L&D）、產品行銷與售前展示等關鍵場景中，靜態單向影片存在三大結構性缺陷：



D-ID Agentic Videos 將「單向廣播」重構為「智慧雙向反饋流」：由預錄影片負責傳遞結構化主題節奏，由即時數位人 Agent 承擔隨叫隨到的一對一輔導與即時異議化解。




D-ID Agentic Videos 的四大技術支柱


將靜態 MP4 檔案或 YouTube 影片轉化為動態即時互動，仰賴於四大系統的緊密協同：自動化 RAG 知識檢索、V4 表情數位人架構、口語化對話工程，以及超低延遲的平滑淡入淡出渲染執行環境。


+-------------------------------------------------------------------------+
|                              原始預錄影片來源                            |
|           (支援最長 30 分鐘的直接 MP4 / MOV 連結，或 YouTube 影片)      |
+------------------------------------+------------------------------------+
                                     |
                                     v
+-------------------------------------------------------------------------+
|                       自動化影片攝取與 RAG 知識引擎                     |
|  - 高精度語音轉錄與語言標籤自動偵測                                     |
|  - 自動提煉影片逐字稿並建構 Agent 核心知識庫                            |
|  - 秒級主題時間軸 (Timeline of Topics) 錨定切片                         |
|  - 支援注入最多 40,000 字元的補充外部文件與常見問答                     |
+------------------------------------+------------------------------------+
                                     |
                                     v
+-------------------------------------------------------------------------+
|                            D-ID Agent 核心配置                          |
|  - 出鏡形象：V4 Expressive Avatar (情緒驅動微表情與極速唇形同步)        |
|  - 核心大腦：受限 RAG 大語言模型 (OpenAI / Gemini / 自訂模型)           |
|  - 語音合成：超低延遲 TTS 引擎 (ElevenLabs、Cartesia、Microsoft)        |
+------------------------------------+------------------------------------+
                                     |
                                     v
+-------------------------------------------------------------------------+
|                       播放器執行環境與狀態平滑控制                      |
|    常規錄播播放  <==== 毫秒級淡入淡出 ====>  即時數位人互動會話          |
|    (浮動 Ask 藥丸)                           (WebRTC 即時雙向影音互動)  |
+-------------------------------------------------------------------------+



1. 自動化語音轉錄與主題時間軸索引


當影片來源網址提交至 D-ID 處理管線後，系統會自動提取音訊流並執行高精度的語音轉錄與語言標籤偵測（如 en-US、zh-TW 等）。在此過程中，攝取引擎完成兩項關鍵運算：


    

  1. 知識提煉與 RAG 向量化： 轉錄逐字稿經過切片、清洗與摘要處理，沉澱為該 Agent 的專屬檢索知識庫，確保數位人回答時嚴格遵循影片講述的事實，徹底杜絕脫韁的幻覺問題。
    2. 

  2. 主題時間軸切片（Timeline of Topics）： 系統依內容段落將整段演講劃分為結構化的主題時間軸，精確標記每個核心概念在影片中出現的起始秒數。當觀眾就特定主題提問時，Agent 不僅能以簡潔語言解釋，還能精準建議並引導觀眾跳轉回對應的章節。
    3. 



製作者還可為該影片額外注入最多 40,000 字元的補充知識（如更詳盡的技術規範文件、合規白皮書或退換貨細則），以回答預錄影片中未及詳述的延伸問題。


2. V4 Expressive Avatar 高表現力數位人技術


若在提問時彈出一個面部僵硬、口型不對位或回應延遲嚴重的虛擬人物，使用者的沉浸感將大打折扣。D-ID 在 Agentic Videos 中全面採用其 V4 表情數位人架構：



3. 口語化對話邏輯與提示詞規範


多模態對話系統常面臨的弊病是將用於閱讀的 Markdown 項目符號、程式碼縮排或複雜表格生硬地朗讀出來。D-ID 在底層提示詞工程中整合了專為口語化優化的規範：



4. 平滑淡入淡出（Crossfade）播放器執行環境


前端播放器由 D-ID 官方 CDN 以單一 ES Module 形式分發，可靈活掛載於任何網頁容器元素中：





觀眾端完整互動生命週期


透過解析觀眾在觀看互動式影片時的體驗路徑，可清晰理解該架構為何能顯著提高影片完播率與學習成效：


[ 影片開始播放 ]
       |
       v
[ 播放器角落顯示互動式 "Ask" 藥丸按鈕 ]
       |
       +---> 觀眾可選擇不被打擾地照常看完影片
       |
       v (觀眾遇到疑惑 / 需要進一步闡述)
[ 觀眾點擊 "Ask" (或直接語音發問) ]
       |
       v
[ 影片暫停，畫面平滑淡入至 V4 數位人講師 ]
       |
       v
[ 數位人播報 on_click 問候語 ("您好！對剛剛的內容有任何需要釐清的地方嗎？") ]
       |
       v
[ 觀眾透過語音或文字向數位人發問 ]
       |
       +---> 數位人伴隨豐富微表情給予精準口語回答
       +---> 數位人依據主題時間軸提供精確跳轉建議
       |
       v
[ 觀眾理解後點擊 "返回影片" ]
       |
       v
[ 畫面平滑淡回預錄影片，自暫停秒數接續播放 ]
       |
       v
[ 影片播放全部結束 ]
       |
       v
[ 數位人自動登場，播報 on_video_end 結尾語並引導下一步行動 ]



階段一：沉浸式常規播放


用戶開啟播放器時呈現專業的影音控制介面（播放/暫停、時間滑桿、音量切換與全螢幕）。播放期間，播放器角落懸浮著精巧的呼叫按鈕（如標註「隨時向我提問」），提醒觀眾互動功能隨時待命。


階段二：零摩擦即時呼叫


無論何時產生疑問，觀眾只需點擊「Ask」按鈕。影片即刻暫停，畫面順暢過渡至出鏡數位人，無需開啟額外瀏覽器分頁或等待冗長的加載流程。


階段三：基於內容的精準對話


數位人主動播報歡迎詞（greetings.on_click），觀眾可直接透過語音或文字提問。例如，觀眾提問：「剛才簡報中提到的零信任安全架構第二階段具體指的是什麼？」，Agent 立即檢索影片轉錄與知識庫，以清晰的口語作答，並主動詢問是否需要跳轉至第 4 分鐘的對應章節。


階段四：連貫返回影片進度


問題解答完畢後，觀眾點擊「返回影片」。數位人淡出，影片解除暫停並自中斷處無縫播放，觀眾的思考脈絡與觀看沉浸感不受任何中斷。


階段五：片尾主動收尾與轉換引導


影片播畢時，系統支援數位人自動登場（show_agent_on_video_end: true）並播報結語（greetings.on_video_end）。例如：「感謝您觀看本模組！您希望快速複習核心重點，還是直接開始隨堂測驗？」，讓原先靜止的片尾瞬間轉化為高轉換率的互動門戶。




落地實踐：零程式碼 Studio 與開發者 API 雙工作流


D-ID 提供滿足不同團隊需求的兩種落地途徑：適合業務人員的視覺化操作後台，以及面向研發團隊的 REST API。


方法一：視覺化 Studio 製作流程


適合企業培訓主管、教育設計師與數位行銷人員：


    

  1. 上傳影片檔案： 在 D-ID Creative Reality™ Studio 控制台中，上傳預錄影片檔案（支援 30 分鐘內的 .mp4、.mov、.mpeg），或直接貼上公開的 YouTube 影片網址。
    2. 

  2. 選取數位人形象： 從素材庫中選取最符合影片講師形象風格的 V4 Expressive Avatar。
    3. 

  3. 配置語音與角色設定： 綁定語音合成供應商（如 ElevenLabs 或 Microsoft 語音），設定語速與音調，並輸入 Agent 的對話行為指令。
    4. 

  4. 定義互動問候語： 自訂浮動氣泡的呼叫文案、點擊進入時的歡迎詞（on_click）以及片尾自動出現時的引導語（on_video_end）。
    5. 

  5. 注入補充知識庫： 輸入最多 40,000 字元的詳細說明文件或常見問題解答，拓展回應邊界。
    6. 

  6. 複製嵌入代碼： 複製系統生成的 <script> 標籤代碼，直接嵌入公司 LMS、知識庫平台、行銷官網或客戶入口網頁中。
    7. 





方法二：面向工程團隊的 REST API 串接


適合將互動影片深度整合至 SaaS 系統、自建培訓平台或大型入口網站的開發團隊。


步驟一：建立 Agentic Video 資源


發送 POST 請求至 https://api.d-id.com/agentic-videos，傳入影片網址、數位人 ID、問候語及知識設定：


curl -X POST "https://api.d-id.com/agentic-videos" \
  -H "Authorization: Basic <您的_API_KEY>" \
  -H "Content-Type: application/json" \
  -d '{
    "source_url": "https://storage.example.com/videos/product-demo.mp4",
    "name": "企業資安架構培訓課程",
    "presenter_id": "public_mia_elegant@avt_TJ0Tq5",
    "bubble_text": "向講師即時提問",
    "greetings": {
      "on_click": "您好！本章節有任何不清楚的地方，歡迎隨時向我發問。",
      "on_video_end": "課程已經觀看完畢！想進一步了解細節或安排專人諮詢嗎？"
    },
    "show_agent_on_video_end": true,
    "background": {
      "color": "#111827"
    }
  }'



接口將立即回傳該資源唯一的 video_id 與初始狀態：


{
  "video_id": "avd_88a91b2c3d",
  "status": "created"
}



步驟二：輪詢資源處理狀態


影片轉錄與 Agent 構建管線在後台非同步執行。應用端可定期輪詢 GET /agentic-videos/{video_id}，直至狀態變更為 done：


curl -X GET "https://api.d-id.com/agentic-videos/avd_88a91b2c3d" \
  -H "Authorization: Basic <您的_API_KEY>"



狀態機流轉說明：



步驟三：建立具網域限制的客戶端密鑰（Client Key）


切勿在前端頁面中暴露主 API Key。應透過 POST /agents/client-key 生成受白名單網域保護的唯讀 Client Key：


curl -X POST "https://api.d-id.com/agents/client-key" \
  -H "Authorization: Basic <您的_API_KEY>" \
  -H "Content-Type: application/json" \
  -d '{
    "allowed_domains": [
      "https://lms.company.com",
      "https://learn.company.com",
      "http://localhost:3000"
    ]
  }'



步驟四：在靜態 HTML 中嵌入播放器


利用 HTML 自訂屬性實現播放器的自動偵測與掛載：


<!-- 掛載目標容器 -->
<div id="video-embed-container" style="max-width: 960px; margin: 0 auto;"></div>

<!-- D-ID Agentic Videos 嵌入腳本 -->
<script
  type="module"
  src="https://agentic-videos.d-id.com/v1/index.js"
  data-client-key="Z29vZ2xlLW9hdXRoMnwx..."
  data-agentic-video-id="avd_88a91b2c3d"
  data-target-id="video-embed-container"
  data-autoplay="false"
  data-external-id="user_8820"
  data-mixpanel-property-department="資安部"
></script>



步驟五：在現代 SPA 單頁應用（React / Next.js / Vue）中以程式化方式掛載


在單頁應用或動態渲染環境中，可藉由 window.DID_AGENTIC_VIDEO_INIT 或 ES Module 動態載入函式實現靈活初始化：


import { useEffect } from 'react';

export function InteractiveVideoPlayer({ videoId, clientKey, userId }) {
  useEffect(() => {
    let active = true;

    async function initPlayer() {
      const { init } = await import('https://agentic-videos.d-id.com/v1/index.js');
      const mountElement = document.getElementById('spa-video-mount');

      if (mountElement && active) {
        init({
          clientKey: clientKey,
          agenticVideoId: videoId,
          target: mountElement,
          autoPlay: false,
          externalId: userId,
          mixpanelProperties: {
            appVersion: '2.4.0',
            cohort: '2026-compliance'
          }
        });
      }
    }

    initPlayer();
    return () => { active = false; };
  }, [videoId, clientKey, userId]);

  return <div id="spa-video-mount" className="w-full aspect-video rounded-2xl shadow-xl" />;
}





典型商業應用場景與成效對比





































業務場景傳統單向影片的瓶頸Agentic Videos 帶來的轉變核心量化業務指標
企業內訓與合規課程學員在長時間強制播放中容易失焦；難懂規定缺乏解答致使測驗失敗或工單激增。遇到複雜條款可即刻打斷發問；數位人依據內容精準釋疑並引導回看對應時間點。課程完播率顯著提升；首次測驗合格率增長；講師答疑負擔明顯降低。
B2B 軟體產品展示與銷售單向展示無法針對潛在客戶的具體技術架構、報價階梯或整合要求提供即時回應。潛在買家可隨時暫停展示向數位人詢問 API 細節或安全認證，即時化解顧慮。展示轉試用率提升；銷售管線推進速度加快；售前工程師負擔減輕。
新員工與客戶操作引導軟體設定步驟繁瑣，用戶遇到卡點容易直接放棄。數位人講師如同一對一教練隨侍在側，解答設定疑惑並指引排除問題。產品上手時間縮短；首月用戶流失率下降；一線客服進線量減少。
高階主管談話與財報說明員工與投資人難以翻閱完整長影片，不易迅速找到特定財務數字或策略背後的解釋。觀眾直接向數位人查詢特定營收指標或策略細節，並秒級跳轉至發言片段。組織內部溝通滿意度提升；重要資訊傳達精準度顯著增加。




數據反哺：將提問記錄轉化為內容優化依據


傳統影片分析通常只能呈現「有 35% 的觀眾在第 4 分鐘跳出影片」，卻無法揭露背後的真實緣由。


Agentic Videos 能夠捕捉高價值的互動軌跡數據：



透過將這些事件屬性直連至 Mixpanel 或企業內部資料庫，培訓與行銷團隊能夠持續修正原始影片腳本，並有針對性地擴充 RAG 補充知識庫。




最佳實踐與實施考量


    

  1. 確保原片音訊清晰： 自動化 RAG 索引與時間軸切片完全仰賴語音轉錄品質。錄製影片時應採用專業收音設備，避免大音量背景音樂與雜音，確保專業術語發音清晰。
    2. 

  2. 留意影片長度限制： 直接上傳的影片檔案上限為 30 分鐘。若為長時間演講（如 1 小時以上的研討會），建議託管至 YouTube 連結或拆分為模組化短片。
    3. 

  3. 合規情境嚴格鎖定知識邊界： 涉及法律、醫療或金融等高度嚴格的合規場景時，務必將 LLM 模板設定為 rag-grounded 並保持低溫度（0.1），防止模型過度引申或幻覺。
    4. 

  4. 數位人形象與原片講師聲貌和諧： 若影片由真人講師錄製，建議挑選氣質相近的 V4 數位人角色，並搭配聲音克隆保持音質一致，避免在畫面切換時產生突兀感。
    5. 

  5. 生產環境嚴格配置網域白名單： 部署至線上環境時，務必在建立 Client Key 時透過 allowed_domains 設定實際網域，避免公開前端代碼遭濫用消耗額度。
    6. 





結語：從靜態影片邁向對話式串流媒體


D-ID Agentic Videos 代表了數位影音媒體的一大關鍵躍進：將靜態被動的傳統影片，升級為具備上下文感知、即時雙向互動的動態對話介面。透過將細膩微表情的 V4 數位人、自動提煉的影片知識庫以及毫秒級淡入淡出的 WebRTC 播放器融為一體，企業得以在培訓、行銷與客戶成功等多元場景中，達成卓越的留存率、深度的互動體驗與清晰的商業洞察。




參考資料


涉及產品
D-ID