**Beyond Presence 更适合需要云端生成 Avatar 视频，或希望购买更完整托管式对话智能体的产品。Spatius 则更适合已经拥有智能体、希望直接在 Web 或原生客户端渲染 Avatar 的团队。**因此采购决策不只是比较 Avatar 外观，而是决定视觉层应该交付完整视频，还是紧凑的动作数据。
最后核验：2026 年 9 月 21 日。价格、Credits、套餐限制、产品名称和部署选项可能变化，采购前请重新确认。
快速结论：Beyond Presence 还是 Spatius？
Beyond Presence 把产品定位为实时对话式 Avatar，而不是预录的讲解视频。Speech-to-Video API 把现有智能体的音频转成同步 Avatar 媒体，Managed Agents 则接管更多对话系统。Spatius 的边界更窄：Motion Server 把 Avatar 语音转成动作数据，AvatarKit 在客户端本地渲染。
| 决策项 | Beyond Presence Speech-to-Video | Beyond Presence Managed Agents | Spatius |
|---|---|---|---|
| 产品边界 | 云端 Speech-to-Video 层 | 托管式对话视频系统 | 客户端渲染 Avatar 层 |
| 现有语音智能体 | 保留 | 可以替代更多组件 | 保留 |
| STT、LLM、TTS、工具 | 由你的技术栈负责 | 更多组件可由供应商托管 | 由你的技术栈负责 |
| 视觉交付方式 | 同步媒体轨道 | 托管式 Avatar 视频体验 | 动作数据；AvatarKit 本地渲染 |
| 已公开集成面 | LiveKit Python/Node.js 插件与 Pipecat 路线 | 托管链接、iframe、API 或 Embed | Web、iOS、Android 和 Flutter AvatarKit 客户端 |
| 已公开网络数据 | 本文核验页面未公布可直接比较的数据 | 本文核验页面未公布可直接比较的数据 | 约 10–15 KB/s 动作数据 |
| 最适合 | 需要云端 Avatar 视频的现有智能体 | 希望购买更大托管系统的团队 | 需要原生、可替换视觉层的现有智能体 |
第一层比较是 Speech-to-Video 与 Managed Agents；对产品团队更重要的第二层比较，则是云端视频渲染与客户端动作渲染。这个选择会改变网络流量、客户端责任、部署范围、可观测性、单位经济，以及生产事故最终由谁负责。
路线 A：给现有智能体加入 Speech-to-Video
如果产品已经有可用的语音识别、推理、工具、语音合成、权限和分析系统，应优先评估 Speech-to-Video。Beyond Presence 接收最终生成的音频，并发布同步 Avatar 输出。
官方 LiveKit Beyond Presence 插件支持 Python 和 Node.js。开发者创建普通的 LiveKit AgentSession，把 Beyond Presence Avatar ID 传给 AvatarSession，在房间中启动 Avatar，然后再启动智能体 Session。LiveKit 会把智能体音频路由给 Avatar Worker；Worker 作为独立参与者加入并发布同步媒体轨道。
更底层的 Session API接受 Avatar ID、LiveKit URL 和 Token；Beyond Presence 文档建议优先使用 LiveKit 插件，而不是直接调用该 Endpoint。对于偏好 Frame 管线的团队，Pipecat 是对应路线。
你的模型、工具、审核、RAG 和分析系统不需要迁移，但团队仍需负责打断、重试、Token 过期、参与者映射和 Session 清理。
路线 B：购买完整对话视频智能体
Managed Agents 面向不希望自行组装每个对话组件的团队。Beyond Presence 文档列出了可配置指令、知识、品牌、自定义 LLM、声音克隆、Transcript、Vision and Perception，以及网站内嵌。具体功能权限取决于套餐。供应商的 AI Agent 技术栈指南说明了它如何区分托管路线与可组合路线。
这条路线可以减少组装工作，但应确认托管产品能否复现你已有的模型路由、工具策略、数据控制、分析和人工升级逻辑。测试必须覆盖带真实工具与故障状态的完整业务流程，而不只是托管演示。
Beyond Presence 与 Spatius 的架构有何不同
两种产品都可以接收同一段上游 TTS 音频，但最终交付完全不同的输出。
**Beyond Presence Speech-to-Video 路径：**你的智能体生成语音 → LiveKit 把音频路由给 Beyond Presence Avatar Worker → Worker 作为独立参与者加入房间 → 向用户发布同步 Avatar 媒体轨道。LiveKit 官方插件文档展示的正是这种独立 AvatarSession 与参与者模型。
**Spatius 路径：**你的智能体生成 Avatar 语音 → Spatius Motion Server 返回口型动作数据 → AvatarKit 播放同步音频，并在应用中渲染 Avatar。Spatius 架构文档公开的动作数据流量约为 10–15 KB/s，并明确说明无需流式传输已经完成渲染的 Avatar 视频。
这不是一个小的实现细节。Beyond Presence 把音频转换成供应商渲染的媒体流；Spatius 把云端动作推理与最终像素分离，由终端设备完成渲染。
Spatius 的技术优势在哪里
1. 更低的已公开网络负载
Spatius 公开的动作数据流量约为 10–15 KB/s，因为它不传输完整视频帧。本文核验的 Beyond Presence 产品页和集成页没有公布可直接比较的码率，因此不能虚构视频流量数字。采购团队应在同一分辨率、帧率、Codec、Region 和网络下实测两种产品。
对于移动应用、Kiosk、共享 Wi-Fi 或持续 Avatar 视频会明显占用带宽预算的环境，这种架构优势最清晰。
2. 覆盖更多原生客户端类型
AvatarKit 支持 Web、iOS、Android 和 Flutter，最终 Avatar 直接在客户端内部渲染。产品团队因此可以构建原生移动端或嵌入式体验，而不是把 Avatar 当作远程视频窗口。
这也有真实代价：客户端需要下载 Avatar 资产，并具备足够的 GPU、内存和散热能力。Spatius POC 必须测试最低配置目标设备，而不是只在开发者电脑上测试。
3. 更窄、可独立替换的产品边界
Spatius 不替代 ASR、LLM、TTS、工具、RAG、权限或对话策略，因此视觉层可以独立评估和替换。Beyond Presence Speech-to-Video 同样提供可组合路线，而 Managed Agents 则有意接管更多组件。
当现有智能体已经是核心基础设施，而团队只需要 Avatar 渲染、并不想再引入一套 Agent Control Plane 时，Spatius 的优势最明确。
4. 不持续依赖云端生成最终像素
本地渲染把 Avatar 最终画面生成与持续云端视频渲染分离，有利于交付成本和客户端呈现控制，但这不代表 Spatius 在所有场景都更好。如果需求明确是供应商渲染的视频、Beyond Presence 提供的 Avatar 形式，或完整托管式智能体，Beyond Presence 更合适。
Beyond Presence 定价：同一套餐包含两套分钟数
当前定价页列出 Free、Starter、Growth、Scale 和 Enterprise，月费分别显示为 $0、$49、$149、$349 与定制报价。页面中的超额用量价格使用欧元显示，因此采购时不能把全部数字默认为同一币种。
| 套餐 | Speech-to-Video 包含量 | Managed Agent 包含量 | S2V 超额 | Managed 超额 | 并发 |
|---|---|---|---|---|---|
| Free | 40 分钟 | 20 分钟 | — | — | 1 |
| Starter | 280 分钟 | 140 分钟 | €0.175/分钟 | €0.35/分钟 | 10 |
| Growth | 1,490 分钟 | 745 分钟 | €0.10/分钟 | €0.20/分钟 | 25 |
| Scale | 4,000 分钟 | 2,000 分钟 | €0.0875/分钟 | €0.175/分钟 | 50 |
| Enterprise | 定制 | 定制 | 定制 | 定制 | 定制 |
这个比例反映了所有权差异：Speech-to-Video 每分钟消耗 50 credits，完整对话视频智能体每分钟消耗 100。Free 当前把单次 Session 限制为 3 分钟，付费套餐显示为不限时长。Enterprise 则加入合同层面的部署与治理选项，包括隔离或本地部署、SLA、零数据保留和集成支持。
选择 Speech-to-Video 时，应把外部语音智能体服务单独计费；选择 Managed Agents 时，则要确认 LLM、语音、RAG、存储和超额成本具体包含哪些内容。Avatar API 定价指南提供了中立的成本核算方法。
用同一套 POC 比较两种架构
使用相同 TTS 音频、智能体逻辑、Region、对话脚本和网络条件。记录 Avatar 启动时间、首次可见口型、Lip-sync 漂移、打断行为、弱网降级、重连、客户端 CPU/GPU、整段 Session 流量、最长 Session、峰值并发，以及最终会上线的 Stock 或 Custom Avatar。
这次比较还必须回答五个所有权问题：轮次检测、模型选择、工具执行、对话记录和用户可见故障恢复分别由谁负责？成本也要统一口径。Beyond Presence Speech-to-Video 仍需要外部语音智能体；Spatius 同样把 Avatar 层与 ASR、LLM、TTS 分开计费。Spatius LiveKit 集成指南展示了如何在现有智能体架构中保持这种客户端渲染边界。
Beyond Presence AI 常见问题
Beyond Presence Speech-to-Video 是什么？
它是面向现有语音智能体的 audio-to-avatar 层。你的技术栈生成语音，Beyond Presence 把音频转成同步 Avatar 视频。
Managed Agents 额外提供什么？
Managed Agents 加入更多对话管线和部署体验，包括可配置智能体行为，以及内嵌或托管式交互路径。具体能力需要确认套餐权限。
Beyond Presence 支持 LiveKit 吗？
支持。LiveKit 提供官方 Python 与 Node.js 插件路径，Beyond Presence 也为 LiveKit 传输暴露了底层 Session API。
Beyond Presence 哪种产品更便宜？
Speech-to-Video 消耗的 Beyond Presence credits 是托管产品的一半，但你的独立 STT、LLM、TTS、传输和工程成本仍然存在。应比较总成本，而不是只比较供应商分钟价。
Spatius 与 Beyond Presence 有什么不同？
Beyond Presence 交付供应商渲染的 Avatar 媒体，并提供托管式对话智能体；Spatius 返回紧凑的动作数据，由 AvatarKit 在 Web、iOS、Android 或 Flutter 客户端本地渲染，同时客户保留周边 AI 技术栈。
选择产品应该拥有的输出
如果云端生成 Avatar 视频以及 LiveKit 或 Pipecat 集成符合客户端体验，应选择 Beyond Presence Speech-to-Video；如果减少组装工作的价值高于转移更多对话系统所有权，应选择 Managed Agents；如果现有智能体必须保持不变，并且产品需要紧凑动作数据、本地渲染以及 Web、iOS、Android 或 Flutter 客户端，应评估 Spatius。
带上你的现有智能体、目标设备和并发需求，我们可以帮助你把客户端渲染架构与云端视频路线放进同一个 POC。 预约演示, or ，或查看 Spatius 定价.。