端到端流式：说话即出字，模型边生成边合成，首字延迟控制在 800ms 内。全链路可私有化部署，信众语音不出寺。
用大模型批量生成 2 万条法务对话，覆盖 9 类意图、方言口语、答非所问与情绪表达。
教师模型打标，学生模型学「意图 + 槽位 + 该不该转人工」，不学文采。
每个寺有自己的课诵表、灯位价目、知客流程。用配置而非改模型。
法师录 10–30 秒清读，即可复刻音色。当天可听效果，适合先给寺庙看 Demo。
| 语料需求 | 10–30 秒 |
| 训练耗时 | 0（推理时克隆） |
| 相似度 | 0.86–0.91 |
| 韵律自然度 | 中上 |
| 风险 | 长句偶有漂移 |
录 30–60 分钟，微调后音色与语气更贴，适合长期上线与电话外呼。
| 语料需求 | 30–60 分钟 |
| 训练耗时 | 单卡 2–4 小时 |
| 相似度 | 0.92–0.96 |
| 韵律自然度 | 高 |
| 风险 | 需授权与内容审核 |
一台工作站放在寺里，语音与数据不出门。断网仍可完成识别、应答与下单。
| 算力 | RTX 4090 / 32G 内存 / 2T SSD |
| 承载 | 并发 8–12 路语音 |
| 硬件成本 | 约 ¥25,000 一次性 |
| 月成本 | 电费约 ¥120 |
| 数据 | 全程不出内网 |
多寺共用一套模型，按寺院隔离数据。适合连锁/片区统一运营。
| 算力 | 云 GPU（A10 / L20） |
| 承载 | 并发 30–60 路 |
| 一次性 | 约 ¥0（按量） |
| 月成本 | 约 ¥2,000–3,500 |
| 数据 | 加密传输 · 可签不训练 |
| 项目 | 人工值守 | AI 主持 | 说明 |
|---|---|---|---|
| 人力 | 1 人 × ¥5,500/月 | 0 | AI 处理 82% 常规问答 |
| 夜间与法会日 | 需加班或无人接 | 7×24 在线 | 法会日咨询量约为平日 3.4 倍 |
| 年成本 | ¥66,000 | 约 ¥1,440（电费） | 不含一次性硬件 |
| 回收周期 | 约 5 个月 | 按私有化方案 ¥25,000 计 | |
| 事项 | 做法 |
|---|---|
| 声音授权 | 法师本人签署《音色使用授权书》，限定用途、期限；终止后可一键下线音色 |
| 宗教内容 | 回答限定在寺务、仪轨常识、场所服务；教义争议、神通感应、吉凶预测一律转人工 |
| 信众隐私 | 语音默认不留存，仅保留转写文本 30 天；敏感信息（病况、家庭）脱敏存储 |
| 支付合规 | 功德金走寺庙对公账户/持牌通道，AI 不代收、不诱导；单笔超 ¥1,000 转人工确认 |