形象设置

通过上传两段数字人视频（要求：第一段视频不用户说话，另外一段视频是念0到9的台词），对话时调用说话的数字人视频，不对话时调用不说话的数字人视频。

优点：没有任何成本开销，可实时响应，体验感更好；

缺点：口型上可能存在一些对不上的情况；

建议：数字人视频可以通过heygen等数字人合成平台进行生成。