CN111369396A - 用于法律咨询机器人的法律事实采集***及方法 - Google Patents

Abstract

本发明涉及法律服务技术领域，具体涉及一种用于法律咨询机器人的法律事实采集方法，包括步骤：S1、输入社交信息；S2、根据社交信息中的关键词确定主题；S3、在相邻对话的逻辑关联度大于预设阈值时，在社交信息中标识主题相关联且隐含在社交信息中的法律事实；S4、将生成的法律事实以三维动画模型输出。本发明可以充分利用用户的社交信息发掘客观事实，从而便于为民众提供精准、及时、有效的法律服务；同时以三维动画的形式呈现法律事实更加生动形象。

Description

用于法律咨询机器人的法律事实采集***及方法

技术领域

本发明涉及法律服务技术领域，具体涉及一种用于法律咨询机器人的法律事实采集***及方法。

背景技术

目前，我国公共法律服务资源明显供不应求，难以满足人们日益增长的法律服务需求。为此，法律服务机器人应运而生，且应用越来越广泛，民众可以通过法律机器人享受免费、精准、及时、有效的法律服务。由于大部分民众的法律水平不高，在发生纠纷或者遇到法律问题时，没有及时保留、收集相关证据的意识或者能力；也难以准确表述法律事实，在大多数情况下只能零星地提供一些相关的信息或者材料。这使得法律服务机器人难以根据用户提供的基本信息提供高质量的法律服务。

对此，文件CN102855907A公开了一种重现案件过程的方法及装置，该方法包括：接收导入的案件发生地点区域内的电子地图和案件线索信息，所述案件发生地点包括案件线索出现的地点，分别将案件线索信息发生的最早时间与最晚时间作为时间轴的起点和终点绘制时间轴，采用预设的第一标注在所述时间轴上标注案件线索信息，并将案件线索信息与所述时间轴上的第一标注进行关联，采用预设的第二标注在所述电子地图上标注案件线索信息，并将所述第一标注和第二标注进行关联。该发明通过案件线索信息将时间轴和电子地图相互关联，实现了时空重现案件过程。

实际生活中，人们普遍采用电话、微信、QQ等进行沟通，用户提供的证据多为聊天记录、往来邮件等社交信息。这些社交信息既可能包含个人意见、个人情绪等私人信息，也可能包括关于特定主题的某些法律事实。这些法律事实通常是给出法律建议的基础，而现有的案件重现方法，由于无法理解社交信息所隐藏的含义，难以充分利用用户提供的这些社交信息，并从中提取出法律事实。比如，张三的社交信息“9月1日这天海南的气候真好，定位三亚”，除了单纯的表达心情，还表示9月1日张三不在南京。9月1日发生在南京市玄武区的盗窃案，张三具有不在场证据。此外，在聊天过程中当事人很容易断章取义或者选取对自己有利的证据，如果恰好对方没有保存，则对双方存在明显不公平。

发明内容

本发明在于提供一种用于法律咨询机器人的法律事实采集方法，解决了现有的案件重现方法难以充分利用用户提供的社交信息并从中提取出法律事实的技术问题。

本发明提供的基础方案为：用于法律咨询机器人的法律事实采集方法，包括步骤：S1、输入社交信息；S2、根据社交信息中的关键词确定主题；S3、在相邻对话的逻辑关联度大于预设阈值时，在社交信息中标识主题相关联且隐含在社交信息中的法律事实；S4、将生成的法律事实以三维动画模型输出。

本发明的工作原理在于：通过用户提供的社交信息很容易确定出其中的关键词，而关键词通常与某些主题相关。确定了主题以后，以主题为线索，在社交信息中寻找、提取法律事实。最后，提取法律事实中的五要素特征，将生成的法律事实转化为三维动态视频。本发明的优点在于：可以充分利用用户的社交信息发掘客观事实，从而便于为民众提供精准、及时、有效的法律服务。

本发明一方面可以充分利用用户的社交信息发掘客观的案件事实，另一方面以三维动画的形式呈现法律事实更加生动形象。

进一步，步骤S1具体包括：S11、判断输入的方式是否方言；S12、若输入的是方言，则先将方言转化为普通话，然后输入；若输入的不是方言，则直接输入。有益效果在于：便于提高文化水平较低的用户的体验，降低他们输入社交信息的难度。

进一步，步骤S2具体包括：S21、采用tf-idf方法提取社交信息中的第一类关键词；S22、提取出现频率超过预设阈值的词为第二类关键词；S23、根据第一类关键词和第二类关键词，广泛匹配主题。有益效果在于：其一，如果某个词或短语在用户的社交信息中出现的频率tf高，那么该词语作为关键词就具有很好的类别区分能力；其二，出现频率超过预设阈值(比如5％)的词，通常与法律事实的主题具有很强的正相关性；其三，广泛匹配允许包含部分字面顺序颠倒或有间隔，可对匹配条件进行延伸，扩展至关键词的同义词、近义词、相关词、以及包含关键词的短语等。以上三点有利于利用已有的信息挖掘出法律事实的主题。

进一步，步骤S3具体包括：S31、导入的案件发生地点区域内的电子地图和案件线索信息；S32、将案件线索信息发生的最早时间与最晚时间分别作为时间轴的起点和终点，并绘制时间轴；S33、将案件线索信息发生的相距最远的两个地点分别作为空间轴的起点和终点，并绘制空间轴；S34、采用预设的第一标注在时间轴上标注案件线索信息；S35、采用预设的第二标注在空间轴上标注案件线索信息；S36、将第一标注和第二标注进行关联，根据事物的发生逻辑还原出法律事实。有益效果在于：其一，案件线索信息包括了人物、时间、地点、起因、经过和结果等要素，为还原案件事实提供了基础；其二，时间和空间的二维关联，有利于理清基本情况，分析事情发生的基本逻辑，从而精确地还原案件事实。

进一步，步骤S4具体包括：S41、按照时间轴上的先后顺序生成分镜头，每个案件线索对应一个分镜头；S42、将分镜头组合成片段；S43、根据空间轴上每个案件线索发生的位置对片段进行三维渲染；S44、根据案件事实进行配音，然后输出三维动画。有益效果在于：其一，以三维动画的形式呈现法律事实，更加生动形象；其二，配音对案件事实进行讲解，便于理解。

基于上述用于法律咨询机器人的法律事实采集方法，本发明还提供一种用于法律咨询机器人的法律事实采集***，包括：输入模块，用于输入社交信息；主题模块，用于根据社交信息中的关键词确定主题；事实模块，用于在社交信息中标识主题相关联且隐含在社交信息中的法律事实；输出模块，用于将生成的法律事实以三维动画模型输出。

进一步，输入模块具体包括：判断单元，用于判断输入的方式是否方言；输入单元，若输入的是方言，则先将方言转化为普通话，然后输入；若输入的不是方言，则直接输入。有益效果在于：便于提高文化水平较低的用户的体验，同时简化用户输入社交信息的步骤。

进一步，主题模块具体包括：第一单元，用于采用tf-idf方法提取社交信息中的第一类关键词；第二单元，用于提取出现频率超过预设阈值的词为第二类关键词；第三单元，用于根据第一类关键词和第二类关键词，广泛匹配主题。有益效果在于：有利于利用已有的信息挖掘出法律事实的主题。

进一步，事实模块具体包括：导入单元，用于导入的案件发生地点区域内的电子地图和案件线索信息；时间单元，用于将案件线索信息发生的最早时间与最晚时间分别作为时间轴的起点和终点，并绘制时间轴；空间单元，用于将案件线索信息发生的相距最远的两个地点分别作为空间轴的起点和终点，并绘制空间轴；第一标注单元，用于采用预设的第一标注在时间轴上标注案件线索信息；第二标注单元，用于采用预设的第二标注在空间轴上标注案件线索信息；关联单元，用于将第一标注和第二标注进行关联，根据事物的发生逻辑还原出法律事实。有益效果在于：有利于理清基本情况，分析事情发生的基本逻辑，从而精确地还原案件事实。

进一步，输出模块具体包括：镜头单元，用于按照时间轴上的先后顺序生成分镜头，每个案件线索对应一个分镜头；片段单元，用于将分镜头组合成片段；渲染单元，用于根据空间轴上每个案件线索发生的位置对片段进行三维渲染；配音单元，用于根据案件事实进行配音，然后输出三维动画。有益效果在于：以三维动画的形式呈现法律事实，更加生动形象；同时配音对案件事实进行讲解，便于理解。

附图说明

图1为本发明用于法律咨询机器人的法律事实采集方法实施例一的流程图。

图2为本发明用于法律咨询机器人的法律事实采集***实施例二的***结构框图。

具体实施方式

下面通过具体实施方式进一步详细的说明：

实施例一

本发明用于法律咨询机器人的法律事实采集方法实施例基本如附图1所示，包括步骤：S1、输入社交信息；S2、根据社交信息中的关键词确定主题；S3、在社交信息中标识主题相关联且隐含在社交信息中的法律事实；S4、将生成的法律事实以三维动画模型输出。本发明中，法律事实与案件事实具有相同的含义。

在本实施例中，张三与李四均为四川人，且存在如下合同纠纷：“…张三于2010年6月1日向李四购买河沙5吨，于当日签订了河沙买卖合同，合同约定15日内李四将河沙保质保量运到张三家附近的石坝处，张三收到河沙时一次性付款。2010年6月16日，李四将河沙运到张三家附近的石坝处时，要求张三支付河沙价款2万元。张三表示暂时没有钱，愿意出具2万元的欠条交于李四，并表示6月底付清欠款，期间按照银行同期利率支付利息，李四表示同意。2010年7月1日，李四手持欠条前往张三住处，要求支付欠款与利息。张三表示生意亏损至今，尚无利润可以还债，而且6月28日跟王五借了4万元，并将借条出示于李四看。李四表示，张三有赖账嫌疑，并告知张三在签订合同与欠条时，都用手机进行了录音与录像。张三见状，表示马上还钱，但是需要三天时间准备…”李四为了保护自己的合法权益，积极向法律咨询机器人寻求法律帮助。为了提供优质、高效的法律服务，法律咨询机器人需要根据李四提供的相关材料采集法律事实，李四提供的材料主要是与张三的聊天记录、朋友圈动态等社交信息。

S1、输入社交信息。

李四通过语音的方式输入与张三的聊天记录的内容、张三的微信朋友圈内容等一系列社交信息。输入完毕后，法律咨询机器人识别到李四的语音是四川方言，先将四川方言转化为普通话，然后进行输入。

S2、根据社交信息中的关键词确定主题。

李四提供的社交信息输入完毕后，法律咨询机器人首先采用tf-idf方法提取社交信息中的第一类关键词。比如说“价款”，该词在合同中出现的频率近乎百分之百，可以很好地区分合同纠纷。然后，提取出现频率超过预设阈值的词为第二类关键词。比如说，在李四与张三的微信聊天记录中，“借条”或者“欠条”出现的频率很高，超过5％(该值由人为设定)，说明张三与李四争议的焦点极有可能在于价款是否已经支付。最后，根据第一类关键词和第二类关键词，广泛匹配主题。如前所述，根据“价款”、“借条”、“欠条”三个关键词，可匹配出张三与李四间存在买卖合同纠纷，而且主要焦点可能在于价款是否支付。但是，这三个关键词还可以匹配融资租赁合同纠纷，或者反担保纠纷。比如，融资租赁合同纠纷必然包含买卖合同纠纷，这是因为“融资租赁合同＝买卖合同+租赁合同”。因此，采用广泛匹配的模式，允许包含部分字面顺序颠倒或有间隔，可对匹配条件进行延伸，扩展至关键词的同义词、近义词、相关词、以及包含关键词的短语，这有利于充分利用已有的信息挖掘出法律事实的主题。

S3、在社交信息中标识主题相关联且隐含在社交信息中的法律事实。

如前所述，已经确定楚李四提供的社交信息的主题是张三与李四间存在买卖合同纠纷，而且主要焦点在于价款是否支付。接下来，需要在在李四提供的社交信息中找出与价款是否支付相关联且隐含在社交信息中的其他法律事实。此外，还要先判断相邻对话的逻辑关联度是否大于第一阈值；在N轮对话中的逻辑关联度低于第二阈值时，判断涉及该主题的沟通已经结束，可以截取作为证据。本实施例中，第一阈值人为设定为0.8，第二阈值人为设定为0.5；相邻对话的逻辑关联度为0.85，高于第一阈值；在20轮对话中的逻辑关联度为0.45，低于第二阈值。可见，该沟通内容可以作为证据。

首先，导入的案件发生地点区域内的电子地图和案件线索信息。比如说，地点包括：“李四家”、“张三家附近的石坝”；案件线索信息包括：“张三和李四签订的河沙买卖合同”、“张三交付给李四的欠条”。

然后，将案件线索信息发生的最早时间与最晚时间分别作为时间轴的起点和终点，并绘制时间轴。比如说，时间轴的起点为2010年6月1日，时间轴的终点为2010年6月28日。再然后，将案件线索信息发生的相距最远的两个地点分别作为空间轴的起点和终点，并绘制空间轴。比如说，相距最远的两个地点分别作为张三家(成都市A区)和李四家(成都市B县)，王五家介于二者之间(成都市C区)。

再然后，采用预设的第一标注在时间轴上标注案件线索信息；采用预设的第二标注在空间轴上标注案件线索信息。比如说，时间轴标注的结果为：2010年6月1日，签订河沙买卖合同；2010年6月16日，李四交付河沙并要求支付价款；2010年6月28日，张三向王五借钱；2010年7月1日，李四再次要求支付价款。空间轴标注的结果为：李四家，签订合同；王五家，张三借钱；张三家，李四交付河沙并要求支付价款。除此之外，李四提供了张三在2010年6月26日发的一条朋友圈动态，该条朋友圈的内容为“今天的天气真美好，阳光明媚，好酒好肉好朋友…”，朋友圈的地点显示为“成都市C区××高级度假村”。

最后，将第一标注和第二标注进行关联，根据事物的发生逻辑还原出法律事实。就本实施例而言，通过前述标注，可大致还原出法律事实：在李四保质保量交付河沙后，张三出具欠条。此后，张三去高级度假村娱乐、会见朋友，极有可能存在奢侈消费，然后顺路去找朋友王五借钱。就张三的朋友圈的内容而言，张三表面上是在表达会见朋友的欢喜之情，但结合前后事实来看，极有可能是有意拖欠债务。因此，可以说，隐藏在张三发的朋友圈动态之下的是其有意拖欠债务之举。这样就大致理清了基本情况，精确地还原案件事实。

S4、将生成的法律事实以三维动画模型输出。

当案件事实还原后，将其以三维动画视频的形式呈现。首先，按照时间轴上的先后顺序生成分镜头，每个案件线索对应一个分镜头。比如说，2010年6月1日，张三与李四签订河沙买卖合同，可通过一张桌子、两个卡通人，采用动画的形式表现出来。然后，将分镜头组合成片段。再然后，根据空间轴上每个案件线索发生的位置对片段进行三维渲染。比如说，2010年6月26日，张三在成都市C区××高级度假村娱乐，可采用类似娱乐场所的聚光灯对该镜头进行渲染。最后，根据案件事实进行配音。比如说，张三在成都市C区××高级度假村娱乐这个片段，配音“今天的天气真美好，阳光明媚，好酒好肉好朋友…”。最后，输出动画视频。这样以三维动画的形式呈现法律事实，同时配音对案件事实进行讲解，使得案件事实更加生动形象。

实施例二

在实施例一的基础上，本发明还提供一种用于法律咨询机器人的法律事实采集***，用来实现上述步骤。具体而言，如附图2所示，包括输入模块、主题模块、事实模块和输出模块。

输入模块，用于输入社交信息；具体包括：判断单元，用于判断输入的方式是否方言；输入单元，若输入的是方言，则先将方言转化为普通话，然后输入；若输入的不是方言，则直接输入。

主题模块，用于根据社交信息中的关键词确定主题；具体包括：第一单元，用于采用tf-idf方法提取社交信息中的第一类关键词；第二单元，用于提取出现频率超过预设阈值的词为第二类关键词；第三单元，用于根据第一类关键词和第二类关键词，广泛匹配主题。

事实模块，用于在社交信息中标识主题相关联且隐含在社交信息中的法律事实；具体包括：导入单元，用于导入的案件发生地点区域内的电子地图和案件线索信息；时间单元，用于将案件线索信息发生的最早时间与最晚时间分别作为时间轴的起点和终点，并绘制时间轴；空间单元，用于将案件线索信息发生的相距最远的两个地点分别作为空间轴的起点和终点，并绘制空间轴；第一标注单元，用于采用预设的第一标注在时间轴上标注案件线索信息；第二标注单元，用于采用预设的第二标注在空间轴上标注案件线索信息；关联单元，用于将第一标注和第二标注进行关联，根据事物的发生逻辑还原出法律事实。

输出模块，用于将生成的法律事实以三维动画模型输出；具体包括：镜头单元，用于按照时间轴上的先后顺序生成分镜头，每个案件线索对应一个分镜头；片段单元，用于将分镜头组合成片段；渲染单元，用于根据空间轴上每个案件线索发生的位置对片段进行三维渲染；配音单元，用于根据案件事实进行配音，然后输出三维动画。

实施例三

与实施例二不同之处仅在于，本实施例中，张三与李四存在合同纠纷。内容大致这样：“…张三于2010年6月1日向李四购买河沙5吨，于当日签订了河沙买卖合同，合同约定15日内李四将河沙保质保量运到张三家附近的石坝处，张三收到河沙时一次性付款。”李四提供的证据提到了“ding金”，这时候就要区别是定金，还是订金。

事实模块还包括前置判断单元和后续判断单元；前置判断单元用于进行前置判断：若包含不超过20％或者一次性付清的信息，则输出定金；若包含超过20％或者多次付清的信息，则输出订金；后续判断单元用于输出“定金”、“订金”和“不知道”三个选项供用户选择，若用户选择定金或者订金，则直接输出结果；倘若用户选择不知道，则需要根据张三和李四约定的信息进行进一步的判断。

首先，进行前置判断：若包含不超过20％或者一次性付清的信息，则输出定金；若包含超过20％或者多次付清的信息，则输出订金。比如说，张三和李四约定“ding金”为3500元，该“ding金”小于价款的20％(20000×0.2＝4000)，“ding金”应当为定金；反之，若张三和李四约定“ding金”为4500元，该“ding金”大于价款的20％(20000×0.2＝4000)，“ding金”应当为订金。又比如说，张三和李四约定“ding金”一次***清，该“ding金”应当为定金；反之，若张三和李四约定“ding金”两次或者三次付清，该“ding金”就应当为订金。

事实上，由于当事人法律知识有限，弄不清楚定金与订金的区别：①、交付定金的合同是从合同，依约定应交付定金而未付的，不构成对主合同的违反；而交付订金的合同是主合同的一部分，依约定应交付订金而未交付的，即构成对主合同的违反。②、交付和收受订金的当事人一方不履行合同债务时，不发生丧失或者双倍返还预付款的后果，订金仅可作损害赔偿金。③、定金数额不超过主合同标的额的20％；而订金的数额依当事人之间自由约定，法律一般不作限制。④、定金具有担保性质，而订金只是单方行为，不具有明显的担保性质。

因此，当事人可能出现这样的约定，“定金为5000元”，这样超过了合同标的额的20％，超过部分在法律上不发生定金的效力。这时，前置判断就不能确定这5000元是订金还是定金。接着，就需要进行后续判断，输出“定金”、“订金”和“不知道”三个选项供用户选择，若用户选择定金或者订金，则直接输出结果。倘若用户选择不知道，则需要根据张三和李四约定的信息进行进一步的判断。比如说，如果李四提到“如果我把河沙拉来，你不付尾款，这5000块我就不退了”，可见这5000块具有担保的性质。那么张三和李四约定的就应当是“定金”，而超过价款的20％的那1000块则没有定金的效力。又比如，如果张三提到“如果你把河沙拉来，这5000块抵销5000块，我只付款15000元”，那么这5000块具有预付款的作用，张三和李四约定的就应当是“订金”。

前述的这些步骤可以理解为指令或者程序段，将这些指令翻译为机器语言，那么这些指令经过处理模块处理后控制机器人的某个动作的信号，就可理解为汇编语言。这样，将这些指令编译成指令集，机器人就能够理解指令，从而实现自学习。

以上所述的仅是本发明的实施例，方案中公知的具体结构及特性等常识在此未作过多描述，所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识，能够获知该领域中所有的现有技术，并且具有应用该日期之前常规实验手段的能力，所属领域普通技术人员可以在本申请给出的启示下，结合自身能力完善并实施本方案，一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。

Claims (10)

1.用于法律咨询机器人的法律事实采集方法，其特征在于：包括步骤：S1、输入社交信息；S2、根据社交信息中的关键词确定主题；S3、在相邻对话的逻辑关联度大于预设阈值时，在社交信息中标识主题相关联且隐含在社交信息中的法律事实；S4、将生成的法律事实以三维动画模型输出。

2.根据权利要求1所述的用于法律咨询机器人的法律事实采集方法，其特征在于：步骤S1具体包括：S11、判断输入的方式是否方言；S12、若输入的是方言，则先将方言转化为普通话，然后输入；若输入的不是方言，则直接输入。

3.根据权利要求2所述的用于法律咨询机器人的法律事实采集方法，其特征在于：步骤S2具体包括：S21、采用tf-idf方法提取社交信息中的第一类关键词；S22、提取出现频率超过预设阈值的词为第二类关键词；S23、根据第一类关键词和第二类关键词，广泛匹配主题。

4.根据权利要求3所述的用于法律咨询机器人的法律事实采集方法，其特征在于：步骤S3具体包括：S31、导入的案件发生地点区域内的电子地图和案件线索信息；S32、将案件线索信息发生的最早时间与最晚时间分别作为时间轴的起点和终点，并绘制时间轴；S33、将案件线索信息发生的相距最远的两个地点分别作为空间轴的起点和终点，并绘制空间轴；S34、采用预设的第一标注在时间轴上标注案件线索信息；S35、采用预设的第二标注在空间轴上标注案件线索信息；S36、将第一标注和第二标注进行关联，根据事物的发生逻辑还原出法律事实。

5.根据权利要求4所述的用于法律咨询机器人的法律事实采集方法，其特征在于：步骤S4具体包括：S41、按照时间轴上的先后顺序生成分镜头，每个案件线索对应一个分镜头；S42、将分镜头组合成片段；S43、根据空间轴上每个案件线索发生的位置对片段进行三维渲染；S44、根据案件事实进行配音，然后输出三维动画。

6.用于法律咨询机器人的法律事实采集***，包括：输入模块，用于输入社交信息；主题模块，用于根据社交信息中的关键词确定主题；事实模块，用于在社交信息中标识主题相关联且隐含在社交信息中的法律事实；输出模块，用于将生成的法律事实以三维动画模型输出。

7.根据权利要求6所述的用于法律咨询机器人的法律事实采集***，其特征在于：输入模块具体包括：判断单元，用于判断输入的方式是否方言；输入单元，若输入的是方言，则先将方言转化为普通话，然后输入；若输入的不是方言，则直接输入。

8.根据权利要求7所述的用于法律咨询机器人的法律事实采集***，其特征在于：主题模块具体包括：第一单元，用于采用tf-idf方法提取社交信息中的第一类关键词；第二单元，用于提取出现频率超过预设阈值的词为第二类关键词；第三单元，用于根据第一类关键词和第二类关键词，广泛匹配主题。

9.根据权利要求8所述的用于法律咨询机器人的法律事实采集***，其特征在于：事实模块具体包括：导入单元，用于导入的案件发生地点区域内的电子地图和案件线索信息；时间单元，用于将案件线索信息发生的最早时间与最晚时间分别作为时间轴的起点和终点，并绘制时间轴；空间单元，用于将案件线索信息发生的相距最远的两个地点分别作为空间轴的起点和终点，并绘制空间轴；第一标注单元，用于采用预设的第一标注在时间轴上标注案件线索信息；第二标注单元，用于采用预设的第二标注在空间轴上标注案件线索信息；关联单元，用于将第一标注和第二标注进行关联，根据事物的发生逻辑还原出法律事实。

10.根据权利要求9所述的用于法律咨询机器人的法律事实采集***，其特征在于：输出模块具体包括：镜头单元，用于按照时间轴上的先后顺序生成分镜头，每个案件线索对应一个分镜头；片段单元，用于将分镜头组合成片段；渲染单元，用于根据空间轴上每个案件线索发生的位置对片段进行三维渲染；配音单元，用于根据案件事实进行配音，然后输出三维动画。

Images