过去两年,AI数字人从展会上的陈列品变成了生产工具。短视频口播、电商直播、企业客服、政务导览,都能看到它的身影。真正跑通的项目并不多,多数数字人仍停在形象呈现加简单问答这一层:能开口,却难让观众持续看下去。
生成环节的门槛已经下降
行业内通常把数字人拆成四块:形象建模、面部驱动、语音合成、对话大模型。四块技术逐步成熟后,交付周期和成本都在往下走。美团技术团队公开的实践数据提供了一个参照:30 秒生成直播素材,3 分钟完成开播配置,支持 7×24 小时上播;过去一年其数字人直播的月日均 GTV 同比增长 82.12%。轻量商业方案的月费已经进入几十元到千元区间,3D 超写实的定制仍在数万元量级。对中小企业而言,试错成本不再是主要障碍。

“像”与“演”之间隔着一段距离
决定观众是否停留的,往往不是分辨率。现有方案的问题集中在几个地方:动作库有限,长时直播后动作开始循环;手势与语音语义脱节,讲到重点时手没有跟上;微表情稀薄,看久了会显出机械感。口型精度也受模型限制,面部区域分辨率不足时,近景容易露怯。这些属于表演层面的缺陷,换一个更贵的模型并不能自动解决。

内容质量由导演思维决定
数字人承担的是演员的角色,镜头怎么切、节奏怎么控、情绪怎么递进,仍要人来设计。以 AI 短剧为例,一个角色要成立,需要先有分镜脚本,再确定景别与运镜,最后才是数字人的表演参数。同一套生成工具,交给只懂操作的人,产出是口播视频;交给懂视听语言的人,产出才可能接近作品。嘉禾星辰在 AI 漫剧、AI 短剧制作与 AIGC 课程中反复提到这一点:工具决定下限,导演思维决定上限。

合规是容易被忽略的成本
2025 年 9 月 1 日起,《人工智能生成合成内容标识办法》与强制性国家标准 GB 45438-2025 同步施行,AI 生成内容需要显式标识与元数据隐式标识。平台侧的要求更细,部分直播场景要求真人驱动并标注 AI 身份。形象与音色还涉及肖像权、声音权授权,商用前应留存授权文件。这些环节不产生直接收益,却决定项目能否长期运行。

评估方案时先问三个问题
企业选择数字人方案,可以先确认三件事:动作与微表情的丰富度是否支撑长时观看,系统在 7×24 小时运行下的稳定性如何,内容团队是否具备镜头与叙事设计能力。前两项决定能不能用,最后一项决定用了有没有效果。技术已经把入场券发到多数人手里,剩下的差距,落在对内容的理解上。