这不是一份「做个头像」的文档,也不是「加个表情包」的文档。它要回答的问题是:当小心同学已经在企微群里发工单、报数据、播晨间播客之后,它缺的最后一样东西是什么?
答案是:一张脸。
同事那天说的一句话,是这份文档的起点——「这声音温暖、有反馈,能不能让它活过来?」
人是心,AI 是手;卡通形象,是「心被看见的样子」。小心同学从「没有脸的机器人」长成「有形象、有表情、会开口报工单的卡通 IP」——这就是给心源大愿,安上一个能被同事看见、记住、喜欢、信任的容器。
把「小心同学」立成人形卡通 IP,开口讲工单、有动作表情,未来可授权、可周边、可对外代工。 —— 心源认知基座合成器 · 待萌芽 ·「IP 活人化」灵感原文
灵感来源被如实记着:同事觉得声音温暖、有反馈,「能不能让它活人化」。
这句话的含金量,值得拆开看:
| 同事感受到的 | 背后的事实 |
|---|---|
| 「声音温暖」 | 明媚女声 + 温度版工单(开口先叫人、自报家门、把任务说成人话)——已经做到了「像个有温度的人」 |
| 「有反馈」 | 双音色(女声讲解 + 男声反思提问)——已经做到了「不只是单向通知,还会追问」 |
| 「能不能让它活过来」 | 缺的正是「一张脸」:有形象、有表情、有动作,从「声音」升级成「人格」 |
所以这条需求不是空想,是同事已经用身体投票了——他们愿意跟「它」相处,只差把它「立起来」。
「刘永睿的机器人」,已授权、已接入群,能主动发消息到 4 个群(总经理工单群 / 店长工单群 / 美业测试群 / 永久决策群)。
每天把工单送到 8 个人手上:染发师 / 技术店长 / 合伙人 / 经营者 / DRC 投资人 / 供应链 / 分享者 / 消费者。开口先叫人、自报家门。
MP3 → 响度归一化 → 转 AMR → media upload 拿 media_id → message aibot send 发 voice。晨间播客已实测发进总经理群。
即梦 142 个音色里选定两副:明媚女声(讲解)+ 低音炮(反思提问),ffmpeg 拼接成单音频。
实时调银豹 API 读「今天的店」(商品 123 / 会员 20 / 近 7 天流水),生成 42 秒双音色播客。
数据 → 讲稿模板 → TTS → base64 内嵌 HTML,一条管道喂三张嘴:语音工单 / 合成器朗读 / 未来 IP 吉祥物。
node upscale image --pro --4K 已可用,生图能力在即梦 / 生图工具里,尚未为「卡通形象」定制。
本需求的核心缺口:小心同学还没有固定的人形卡通形象,也没有多表情、多动作。
现在是「推送式」报工单;真正「报工单 + 接单 + 报完成」的闭环,需要企微回调能力。
声音、工单、数据、播客——这四样「嘴和脑」都已经长好了。本需求要补的,是「脸」(形象层)和「闭环」(双向交互)两块。其余全是已有资产,直接复用。
| 层 | 内容 | 现状 |
|---|---|---|
| 形象层(脸) | 人形卡通 IP,温暖美业气质;多表情(问候 / 报工单 / 提醒 / 鼓励 / 报喜);多动作姿态;统一视觉规范 | 待长 |
| 声音层(声带) | 明媚女声主讲 + 低音炮反思提问,双音色;一条声带喂多张嘴 | 已上线 |
| 人格层(魂) | 自报家门「我是小心同学」;代表心源;有价值观(还生命一个微笑);有边界(实事求是) | 已上线 |
看清楚了吗——三层里,只有「形象层」是全新要造的,声音和人格都已经在线。这是「最高标准下最省力」的一条路:不是推倒重来,是把最后一块拼图拼上。
现在的工单是一条纯文字 markdown。升级后的「报工单」,一条消息里三样东西一起到:
| 组成 | 形式 | 作用 |
|---|---|---|
| 脸 | 卡通形象图(对应表情,如「报工单」表情) | 让同事一眼认出「是小心同学在说」 |
| 声 | 双音色语音(女声报任务 + 男声追问) | 温暖、有反馈,耳朵也能听 |
| 字 | 温度版 markdown 文字(可留存、可点链接) | 落档、复盘、点开详情页 |
「卡通形象报工单」= 已有的人格(魂)+ 已有的声音(声带)+ 新造的脸(形象),在每条工单里「图 + 音 + 文」三合一地送到同事面前。
用生图工具(即梦 / 生图模型)生成「小心同学」的人形卡通形象,风格关键词:温暖、亲和、美业、微圆润、暖棕金主色、带一缕「发型师」气质。产出:主形象 1 张 + 表情集(问候 / 报工单 / 提醒 / 鼓励 / 报喜 5 个)+ 4K 高清版。
每条工单自动合成三件套:①对应表情图(4K)②双音色语音(TTS + AMR)③温度版 markdown。由朗读管道驱动,数据变 → 稿变 → 音变 → 图变,全自动。
企微云服务 scheduler 每日定时(如 09:00),把当天工单以「卡通形象」形态推到目标群。已经跑通的 8 角色工单,直接换成新形态首发。
报完工单后,隔一段时间(如当天傍晚 / 次日),用男声追问一句:「昨天那个零返工提醒,今天做得怎么样?」——把「报工单」从一次通知,变成一次对话。
同事在群里 @ 小心同学,能接单、报完成、问数据。这一步依赖企微回调(收消息)能力,是四步路线里的「下半场」。
形象、表情、声音、口头禅全部沉淀为可复用的 IP 资产库;未来可授权、可周边(贴纸 / 挂件)、可对外代工(给别家店做「××同学」)。
| 部件 | 人话备注 | 现状 |
|---|---|---|
| 生图工具(即梦 / 生图模型) | 「画脸的人」——生成卡通形象和表情图 | 工具就绪,形象未定稿 |
| 图片 4K 高清(node upscale) | 「修图师」——把表情图放大到 4K,投屏也清晰 | 已上线 |
| 即梦 TTS 声带(明媚女声 + 低音炮) | 「配音员」——文字变人声,双音色一讲一问 | 已上线 |
| 朗读管道(read_pipeline) | 「流水线」——数据 → 稿 → 音 → 图,自动装配 | 已上线 |
| 银豹 API(插线板) | 「数据源」——实时读今天的店(商品 / 会员 / 销售单) | 6 端点已实测 |
| 企微发送(media upload + aibot send) | 「快递员」——把图、音、文送到群里 | 已上线 |
| 调度器(scheduler) | 「闹钟」——每天几点报工单、几点追问 | 已上线 |
| 企微回调(收消息) | 「耳朵」——听懂同事 @ 它说的话,做双向交互 | 待接入 |
结论:八块拼图,七块已经在线,只差「形象定稿」和「回调接入」两块。这台机器不是从零造,是给一台已经会说话、会报数的机器,安上脸和耳朵。
| 阶段 | 做什么 | 群里看到的效果 | 依赖 |
|---|---|---|---|
| V1 · 试脸 | 形象定稿 + 第一张工单「图音文」三合一 | 总经理群收到第一条「有脸的工单」——卡通形象 + 女声报工单 + 男声追问 | 仅需形象定稿(其余全在线) |
| V2 · 定时报 | 8 角色工单全量换新形态 + 每日定时 + 追问闭环 | 每天固定时间,小心同学有脸有声音地报工单、隔天追问进展 | V1 跑通 |
| V3 · 可交互 | 接入回调,@ 它能接单、报完成、问数据 | 同事在群里跟「它」对话,像跟一个有温度的同事说话 | 企微回调接入 |
| V4 · IP 化 | 形象 / 表情 / 声音 / 口头禅沉淀为 IP 资产库 | 可授权、可周边、可对外代工(给别家店做「××同学」) | V1–V3 稳定 |
| 标准 | 可验证的判据 |
|---|---|
| 有脸 | 群里收到的工单,第一眼是一张固定、统一、好看的卡通形象,不是系统默认头像 |
| 有温度 | 语音开口先叫人、自报家门;同事听完愿意回一句,而不是「已读」划走 |
| 有反馈 | 报完工单后有追问;追问的是「进展」,不是「催命」 |
| 数据真实 | 报的是「今天的店」(实时银豹数据),不是「上周的稿」 |
| 不扰人 | 频率克制(日报日更、追问不刷屏),不是信息轰炸 |
| 单一真源 | 形象、稿、音、图都落进合成器 / 资产库原地优化,不另开版本 |
| 边界 | 说明 |
|---|---|
| 推送式 vs 双向对话 | V1–V2 是「主动报工单」(推送);真正「@ 它 对话」要等 V3 接入企微回调。这个不夸大。 |
| 形象一致性 | AI 生图每次会略有差异,需一次定稿 + 固定提示词锁定,否则「脸」会变来变去,破坏信任。 |
| 频率克制 | 报工单太勤会变「骚扰」,反而消耗信任。日报日更、追问克制,是底线不是可选项。 |
| 版权与授权 | V4 的「可授权、可周边」是终局愿景,需在形象设计阶段就留好可商用、可注册的空间。 |
| 不越界执行 | 本文档是「需求开发文档」(探讨层),落地开发要等古先生一句「执行」。 |
| # | 决策 | 我的建议 |
|---|---|---|
| 1 | 形象风格:走「温暖亲和微圆润」还是「干练时尚」? | 温暖亲和(呼应「声音温暖」的起点,同事已经投过票) |
| 2 | 小心同学第一次露脸,开口说的第一句话是什么? | 「我是小心同学,代表心源,往后你的工单,都由我送到你手上。」 |
| 3 | 本期节奏:先稳踩 V1「试脸」,还是一步到位 V1+V2? | 先 V1 试脸(一条三合一看效果),同事反馈好再放量 V2 |
给心源造一张脸,不是加一个功能,是让大愿第一次有了一个能被看见、被记住、被喜欢的容器。同事那句话,是市场在敲门——「能不能让它活过来」。答案是:能,而且就从这条有脸的工单开始。