声音模型：使用32个Mel-frequency cepstral coefficients (MFCCs)作为输入特征，使用双向LSTM网络结构，隐藏层大小为512，并使用残差连接。训练共进行10个epoch，学习率初始值为0.001，每5个epoch衰减0.1。
嘴型模型：输入图像大小为96x96，使用U-Net网络结构，其中contracting路径的卷积层数量为2，expanding路径的卷积层数量为3。训练共进行10个epoch，学习率初始值为0.001，每5个epoch衰减0.1。
脸型模型：输入图像大小为96x96，使用Hourglass网络结构，其中stack的层数为4，block的层数为2。训练共进行15个epoch，学习率初始值为0.0001，每5个epoch衰减0.1。
总的来说，A800 80G显卡在训练声音、嘴型和脸型模型时的速度均优于GeForce RTX 3090显卡，加速效果分别达到了85.7%、79.2%和88.8%。直播数字人的训练涉及到大量的图形渲染和计算，A800 80G显卡具有强大的图形处理能力，可以更好地支持直播数字人的训练需求。在训练过程中，显卡可以更快地处理和渲染数字人的图像，使得训练过程更加流畅和快速。此外，显卡的显存容量也关系到训练的稳定性和速度，A800 80G显卡的显存容量较大，可以更好地满足直播数字人训练的需求。