可交互的多模态人工智能数字人自动讲解方法及系统

本发明提供可交互的多模态人工智能数字人自动讲解方法及系统，涉及人工智能体数字人技术领域，包括通过将文档转换为结构化文件，利用多模态人工智能模型解析图片序列得到文本内容，采用大语言模型及人工智能体构建讲解文本，并通过人工智能体将音频与数字人及讲解内容合成，并在播放过程中实现交互功能。本发明能够实现传统展示文档通过数字人与用户的实时交互，提高讲解内容理解效率，增强用户体验，适用于教育、展示、展览、文旅等多种场景。