数字人作为广播工具：消息透传接口的作用和实现

随着人工智能大模型和数字人技术的普及，数字人不仅可以与人类进行自然对话，还可以承担更加广泛的传播任务。相比逐字逐句的互动场景，很多企业或组织需要一种单向广播的能力：一次性让数字人发布公告、播报新闻或者引导操作，而不用等待用户回应。Fay 框架通过提供“消息透传”接口，让数字人具备了广播工具的能力。本文从应用场景、接口用法和内部实现三个方面解读这一功能。

一、广播应用场景

数字人的广播能力可以用于多种场景，下面列举几个典型的应用，实际部署时可以根据需要扩展：

1. 企业广播通知：公司召开会议、推送人事政策更新、发布行政公告等，只需将文本或录制好的语音通过透传接口发送，数字人便会在各终端统一播报。尤其适合于内部宣传或在线办公场景。

2. 新闻播报：媒体机构或自媒体可以定时通过透传接口下发新闻摘要，数字人自动完成音视频播报，营造拟人化的阅读体验。

3. 签到/提醒广播：教育培训或会议活动中，可以通过透传接口让数字人循环播报“欢迎签到”、“课程即将开始”等提示，配合二维码或链接实现快速签到。

4. 产品宣传和活动推广：在商场、展会或直播间，数字人可以通过透传接口播报产品介绍、限时优惠或抽奖信息，吸引用户注意。

5. 值班/排班提示：一些运维或安保场景需要定时提醒值班人员交接班或巡检，透传接口可以让数字人不间断播报排班信息，减少人工记忆成本。

数字人相比传统广播更具“人情味”：可以选择不同的声音风格，还可以在播报同时呈现表情、动作甚至唇形动画，增强沉浸感。

二、Fay 提供的消息透传接口

Fay 在服务端的 flask_server.py 中暴露了一个消息透传接口，URL 路径为 /transparent-pass，以 POST 方法接收数据。接口兼容表单（form-data）和 JSON 两种格式，通过 user、text 和 audio 等字段描述要播报的内容。核心逻辑如下GitHub：

• 服务端首先解析请求数据，user 指明播报的用户（或数字人姓名），text 为要播报的文字，audio 可选，用于直接传入外部音频文件地址GitHub。

• 然后构造一个 Interact('transparent_pass', 2, {...}) 对象，这个对象的 interleaver 为 transparent_pass，interact_type 为 2，表示透传模式。data 字典里包含了用户、文本、音频地址以及 isfirst 和 isend 等控制标志GitHub。

• 日志系统会记录“透传播放：文本/音频”，便于后端监控GitHub。

• 最终调用 fay_booter.feiFei.on_interact(interact) 处理该消息。如果返回 success，则表示透传成功GitHub。

在客户端使用时，可以通过类似下面的 cURL 或 HTTP 请求调用该接口：

POST /transparent-pass
Content-Type: application/json{"user": "Alice",           # 指定数字人名称或用户id"text": "各位早上好，今日会议将在十点准时开始，请提前签到。","audio": null,              # 可选：如果填入音频URL，数字人将直接播放此音频
}

如果只想播放音频而不合成文字，可以将 text 置空，仅提供 audio，Fay 会下载音频文件后播放。调用方也可以组合多个透传请求，将一段长文本拆分成多条有序的广播。

三、透传消息在 Fay 内部的处理流程

接口接受到消息后会交由核心模块 FeiFei 处理。FeiFei.on_interact 根据 interact_type 选择不同路径；透传模式的 interact_type 固定为 2。当 __process_interact 检测到 index == 2 时，将执行以下步骤GitHub：

1. 从 interact.data 中读取 text；如果存在文本，先调用 __process_text_output(text, username, uid) 进行统一的面板推送和日志记录GitHub。

2. 再调用 __process_stream_output(text, username, f"type2_{interact.interleaver}")，按标点切分文本并启动流式播放GitHub。

3. 函数返回 'success'，表示透传处理完成。

这种实现方式保证了透传广播能够复用 Fay 现有的文本输出流程。__process_text_output 会将完整内容推送到 Web 面板或其他界面，方便客户端查看完整信息；__process_stream_output 会使用 StreamTextProcessor 将文本拆成短句，通过 stream_manager 排队播放。这意味着即便是长篇新闻，数字人也会一句一句地播报，而且每句仍然可以配合表情和唇形动作。

透传广播也支持外部音频。FeiFei.say 在播放时会检测 audio 字段，如果存在，则下载该文件并加入音频队列；否则便调用 TTS 合成音频并播放。因此调用方可以灵活选择直接上传已有录音，或仅发送文本让数字人朗读。

四、数据结构与调用封装

Fay 使用一个简单的 Interact 类来封装交互事件，其定义如下GitHub：

• interleaver：字符串，表示交互来源，如 mic、text、socket、auto_play 或 transparent_pass。

• interact_type：整数，1 表示用户输入交互，2 表示透传模式（广播模式）GitHub。

• data：字典，存放具体内容，包括用户标识、文本、音频地址、会话版本号等。GitHub

在透传广播中，data 常用的字段包括：

• user：数字人的姓名或唯一标识。如果该用户第一次出现，系统会在 on_interact 中为其注册。

• text：要播报的内容，可为空。

• audio：可选，外部音频文件的 URL。如果同时提供文本和音频，音频优先生效。

• isfirst/isend：布尔值，标记当前句子在多句广播中的位置，便于 Fay 内部确定会话边界。

• session_version：会话版本号，用于打断旧播报；透传模式一般无需手动指定，系统自动管理。

通过这种统一的封装，Fay 可以在内部不同模块之间传递交互信息，既兼容用户问答又支持广播模式，减少代码重复。

五、实践建议与注意事项

1. 单条广播建议同时设置 isfirst=True 与 isend=True，让 Fay 知道这是一个完整会话，避免等待额外结束标记。若要连续播报多句，可以拆分多次调用并设置首尾标志。

2. 尽量提供清晰的 user 名称，保证日志可追踪，也方便多数字人环境下区分不同用户的广播任务。

3. 合理利用音频字段：文本播报需要调用 TTS，可能受限于语速或字符数，且会产生额外合成费用。已有录音文件则可以直接透传，节省合成时间和成本。

4. 透传不返回大模型回复：它是一种单向广播工具，不会触发问答逻辑。如果需要在播报后继续问答，建议分开两个请求或在播报结束后再调用问答接口。

5. 与自动播报结合：Fay 内置的自动播报任务可以通过轮询内容数据库推送消息，与透传接口配合可以实现定时播报、新闻自动刷屏等高级能力。

六、结语

Fay 的消息透传接口为数字人提供了高效的广播能力。通过简单的 POST 请求即可让数字人朗读文本或播放录音，而且内部复用流式处理和情绪合成机制，保证每个句子都有自然的停顿和表情。无论是企业通知、新闻推送还是签到提醒，数字人都可以像广播站一样准时播报。未来结合任务调度和多情感合成技术，数字人的广播角色将更加丰富和智能。