需开通“多实例渲染”权限，准备两个独立数字人资源包，通过Canvas双层叠加+双SDK实例初始化实现共屏渲染，并用文本分流、事件总线或时间轴硬同步驱动双人实时互动。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
要在百度一镜中实现同一画面内两个数字人实时对话、协同讲解或分角色演绎，必须绕过默认单数字人渲染架构，通过SDK层叠加+逻辑分流完成视觉与语义的双轨驱动。
准备双数字人资源
先确认你已开通百度一镜PAAS服务中的「多实例渲染」权限——未开通时后台仅允许1个licenseKey同时激活1个数字人实例，强行加载第二个会触发静音或崩溃。【未开通该权限直接跳过后续所有步骤】
从公共形象库选两个兼容性高的数字人（如“商务男A”+“知性女B”），或分别完成两次形象克隆+声音克隆，确保两人声纹分离、动作库无冲突。
导出两个独立的3D数字人形象包（.zip格式），每个包内含model.json、textures/、animations/三类文件夹，命名需区分，例如：zhangsan_3d_v1.zip、lisi_3d_v1.zip。
构建双人共屏渲染环境
使用H5版3D数字人交互SDK，不采用iframe单实例嵌入方式，改用Canvas双层叠加：
第一步：在页面初始化两个<canvas id="canvas-main">和<canvas id="canvas-overlay">，主画布用于渲染数字人A，叠加画布用于数字人B；
第二步：分别调用SDK.init()两次，传入不同licenseKey和对应的形象包路径，注意第二次init时必须设置renderTo: 'canvas-overlay'，否则两个实例会争抢同一渲染上下文导致撕裂；
调用百度PaddleOCR‑VL大模型API，支持PDF、Word、PPT、图片等多格式文档解析，精准识别印刷体、手写体、表格、公式、图表、印章等复杂元素，支持100+语言，可处理不规则布局和跨页长文档。触发词：文档解析、VLM解析、大模型OCR、PaddleOCR、多模态文档、手写识别、公式识别、复杂版面。
第三步：为避免音频混叠，禁用SDK内置TTS自动播放，改用Web Audio API手动接管两路音频流——数字人A语音走左声道，B走右声道，再通过MediaStreamDestination合并输出。
驱动双人同步互动逻辑
方法一：文本指令分流驱动
将脚本按角色切分为带标识的段落，例如：
【张三】今天我们要讲AI视频生成原理。
【李四】对，核心是分镜编导Agent调度……
解析时识别【】内角色名，匹配对应数字人实例调用playText()，并附加syncWith: 'other'参数强制等待对方动画帧结束再启动本方口型合成。
方法二：事件总线协调动作
监听数字人A的onActionEnd事件（如挥手动作完成），立即触发数字人B的playAction('nod')，中间插入50ms延迟模拟真实对话节奏；若A正在说话，B不得触发嘴部动作，否则出现“对嘴不同步”穿帮——【此规则必须硬编码写入事件回调，不可依赖SDK默认行为】
方法三：时间轴硬同步（适用于预录制脚本）
用JSON描述双人时间轴，字段包含timestamp、speaker、text、action，例如：{"timestamp":1200,"speaker":"A","text":"第一点是……","action":"point"}{"timestamp":1800,"speaker":"B","text":"第二点要注意……","action":"shakeHead"}
用requestAnimationFrame逐帧比对当前播放毫秒数，精确触发对应实例动作。
