不知道大家有沒有發(fā)現(xiàn)，現(xiàn)在一些短視頻和直播中的主播，已經(jīng)開始用AI數(shù)字人了，比如我前兩周在B站的第一條視頻，用的就是數(shù)字人。對(duì)，就是那個(gè)黑色皮衣美女的視頻，是我第一次用數(shù)字人做內(nèi)容的嘗試。

用數(shù)字人的好處，對(duì)企業(yè)來說是降本增效，這里面玩法比較多了，比如用數(shù)字人24小時(shí)掛機(jī)帶貨直播，比如更低的成本萬矩陣，在比如小公司內(nèi)容運(yùn)營(yíng)團(tuán)隊(duì)就1、2個(gè)人，每天要更新視頻，沒預(yù)算沒有專業(yè)主播，這種情況下用數(shù)字人就是個(gè)方法。

而對(duì)咱們普通個(gè)人創(chuàng)作者做短視頻呢？我想到的有大概兩種情況，一是就是為了省事省時(shí)間，用數(shù)字人可以省掉拍攝的環(huán)節(jié)；二是實(shí)現(xiàn)一些自己一個(gè)人無法做的事，現(xiàn)在短視頻創(chuàng)作很卷，你看到別人視頻作品都是黑絲美女主播，自己一個(gè)單身老爺們兒拿什么和別人比？用數(shù)字人，選個(gè)形象好點(diǎn)的數(shù)字人美女就可以一定程度上解決問題。

那么，關(guān)于AI數(shù)字人都有哪些產(chǎn)品，效果怎么樣，還有價(jià)格一直是不太透明的。同時(shí)，目前極少有評(píng)測(cè)機(jī)構(gòu)、自媒體或個(gè)人對(duì)它們?nèi)プ鲋辛⒌脑u(píng)測(cè)，可以參考的有效資料也非常少，很多時(shí)候需要自己用真金白銀去驗(yàn)證。我這段時(shí)間正好用了幾家數(shù)字人的產(chǎn)品，所以就想來寫一寫，希望能有對(duì)這方面應(yīng)用有需求的朋友提供一定的參考。

整體來看，目前市面上的AI數(shù)字人產(chǎn)品主要面向的是企業(yè)用戶和專業(yè)內(nèi)容創(chuàng)作者，具體又分類用于做直播用與短視頻用數(shù)字人。做直播的數(shù)字人產(chǎn)品一般比較貴，一年幾千到5、6萬元不等。做短視頻的數(shù)字人產(chǎn)品要便宜一些，1年幾百元到幾千元元不等。另外，如果要定制一個(gè)自己的專屬數(shù)字人形象，還需要幾千元的定制費(fèi)用。

由于數(shù)字人產(chǎn)品的單價(jià)比較高，有很高的定制屬性，并且難以白嫖到付費(fèi)版，所以不論是自購、借用，還是使用產(chǎn)品的體驗(yàn)版，導(dǎo)致這一次評(píng)測(cè)所覆蓋的產(chǎn)品比較有限，暫時(shí)只有百度曦靈、硅基智能、風(fēng)平智能和閃剪4家的數(shù)字人。

我首先要說明的是，由于不同品牌的數(shù)字人產(chǎn)品定位、套餐版本的不同，所以四款產(chǎn)品的功能難以用統(tǒng)一的標(biāo)準(zhǔn)做對(duì)應(yīng)。例如閃剪、硅基智能的短視頻與直播是兩款獨(dú)立的產(chǎn)品等，所以為了盡可能保證功能對(duì)等，也會(huì)將硅基與閃剪的產(chǎn)品合二為一。

另外，我并未定制專屬數(shù)字人形象，不能擅自使用別人的私有數(shù)字人，所以評(píng)測(cè)主要使用平臺(tái)內(nèi)置的公用數(shù)字人進(jìn)行測(cè)試，包括功能與使用體驗(yàn)、數(shù)字人效果、直播功能和短視頻功能幾個(gè)方面。首先我們來看一看四家數(shù)字人公司的大體情況。

品牌簡(jiǎn)介

百度曦靈

曦靈是百度推出的數(shù)字人平臺(tái)，它是集數(shù)字人生產(chǎn)、內(nèi)容創(chuàng)作、業(yè)務(wù)配置服務(wù)為一體的產(chǎn)品。

百度曦靈主要面向商業(yè)用戶，所以你在官網(wǎng)頁面找不到它的登錄或者下載入口，需要去具體溝通功能與價(jià)格，不是很透明。

百度曦靈對(duì)外宣傳也相對(duì)較少，加之在百度智能云的產(chǎn)品體系中也并不算重點(diǎn)業(yè)務(wù)，所以很多人知道百度有數(shù)字人業(yè)務(wù)，但卻比較少見到具體的數(shù)字人產(chǎn)品和應(yīng)用。

這次測(cè)試的是曦靈數(shù)字人直播平臺(tái) Lite付費(fèi)版，主要用于數(shù)字人短視頻和直播生成，目前還是網(wǎng)頁版，個(gè)人感覺它并不是一個(gè)完整的解決方案，比如生成的數(shù)字人短視頻需要再經(jīng)過第三方剪輯工具處理。據(jù)說百度曦靈后面會(huì)有客戶端，功能應(yīng)該會(huì)更加完善一些。

硅基智能

數(shù)字人市場(chǎng)有一個(gè)說法是“南硅基北風(fēng)平”，硅基智能就是這兩大數(shù)字人品牌之一，成名早客戶很多，其客戶構(gòu)成主要是代理商、電商和本地生活類客戶，所以產(chǎn)品的指向性也比較強(qiáng)。數(shù)字人在功能上更側(cè)重于滿足電商和本地生活類客戶的需求。

比較有意思的是，硅基智能的數(shù)字人將短視頻和直播功能完全獨(dú)立開，是兩條獨(dú)立的產(chǎn)品線。其中其中短視頻產(chǎn)品叫做「硅語」，數(shù)字人直播的產(chǎn)品叫「小播秀」。兩者是獨(dú)立的，需要分開購買。這種產(chǎn)品策略可以讓客戶有更多的選項(xiàng)，比如有人可能不需要短視頻功能，只要直播功能，那么直接買「小播秀」就可以。但如果兩大功能都需要，那么費(fèi)用會(huì)比風(fēng)平智能這樣兩大功能合二為一的成本要高。主要在數(shù)字人定制上，硅基智能是即便同一套數(shù)字人形象，如果要同時(shí)用于短視頻和直播平臺(tái)，也需要花2份定制的錢。

風(fēng)平智能

“南硅基北風(fēng)平”中另外一個(gè)品牌就是風(fēng)平智能，兩家占據(jù)了當(dāng)前數(shù)字人市場(chǎng)很大的份額。風(fēng)平智能同樣客戶眾多，從官方的宣傳看，其客戶案例多是知名大企業(yè)、明星藝人、大V等等，同時(shí)也提供技術(shù)方案輸出，有許多OEM客戶，相對(duì)來說風(fēng)平智能走的是高端精品路線。

風(fēng)平智能的數(shù)字人產(chǎn)品叫做「風(fēng)平IP智造」，以電腦客戶端的形式提供數(shù)字人短視頻和直播兩大功能。「風(fēng)平IP智造」可以直接官網(wǎng)下載軟件安裝，用手機(jī)號(hào)登錄即可?！革L(fēng)平IP智造」主要面向各類企業(yè)與機(jī)構(gòu)、電商、主播和專業(yè)內(nèi)容生產(chǎn)者群體，其核心競(jìng)爭(zhēng)力在于全套的AI能力，包括AI創(chuàng)作與AI交互。

在使用中我發(fā)現(xiàn)一個(gè)很有趣的地方，現(xiàn)在「風(fēng)平IP智造」的版本號(hào)為0.4.2，要小于1。顯然它并不是從1.0版起步的，這種版本命名邏輯十分特別，我猜測(cè)風(fēng)平智能可能認(rèn)為現(xiàn)在的版本無法達(dá)到他們理想中的樣子，1.0版本才是，有一種開發(fā)者的情懷。

另外據(jù)說風(fēng)平智能即將發(fā)布一款偏向于C端的「1號(hào)AI」小程序，亮點(diǎn)是文案、圖像素材全部由AI自動(dòng)生成和匹配，可以達(dá)到一鍵AI自動(dòng)生成短視頻的效果，十分期待。

閃剪

閃剪算是數(shù)字人市場(chǎng)的后起之秀，其數(shù)字人效果和易用性受到不少用戶的贊同。在做數(shù)字人之前就有其他視頻娛樂類APP經(jīng)驗(yàn)，現(xiàn)在加入數(shù)字人市場(chǎng)了。閃剪和硅基智能一樣，短視頻和直播產(chǎn)品是兩款獨(dú)立的產(chǎn)品，而且連官網(wǎng)都是獨(dú)立分開的。其中短視頻產(chǎn)品就叫「閃剪」，而直播產(chǎn)品叫做「閃剪智播」。相對(duì)于其他家的產(chǎn)品，閃剪家的短視頻和直播軟件都比較輕量化，對(duì)C端或者臨時(shí)有需要的用戶相對(duì)更友好，會(huì)員可以按月來購買，短視頻甚至可以按次來生成購買。另外，就官網(wǎng)而言，個(gè)人覺得閃剪直播的官網(wǎng)視覺效果最帶感。

整體體驗(yàn)與易用性

在介紹完四家數(shù)字人品牌的大體情況之后，我們來看看他們的產(chǎn)品功能體驗(yàn)。雖然他們功能是相似的，但用起來的體驗(yàn)差異比較大。

首先是百度曦靈數(shù)字人直播平臺(tái) Lite，雖然兼具數(shù)字人短視頻與直播兩大功能，但總體來看可用簡(jiǎn)陋兩個(gè)字來形容，特別是短視頻生成功能，只能用聲音文件驅(qū)動(dòng)數(shù)字人，并且智能生成綠幕視頻，生成之后需要再用第三方剪輯軟件，比如Pr去摳圖、剪輯處理，這無疑增加了使用門檻。特別是摳圖最好用Pr、FCP等專業(yè)剪輯軟件，剪映目前摳綠幕的效果用過的都知道like a shit 。簡(jiǎn)而言之，百度曦靈只解決數(shù)字人口播視頻的合成，但不管最終成片，只是省去了真人拍攝這么一個(gè)過程。 不過好的地方是目前百度曦靈庫里面的公用數(shù)字人數(shù)量較多，制作水平很統(tǒng)一。

直播功能相對(duì)來說要完善一些，可以插入貼圖與商品文案話術(shù)，并且曦靈還接入了百度自家的文心一言，在智能回答中，可以根據(jù)文案直接通過文心一言分析出常見的問題，可以比較方便的根據(jù)商品去建立話術(shù)，這絕對(duì)是一大亮點(diǎn)。但不足是，仍無法換掉綠幕背景。

總體而言，百度曦靈數(shù)字人直播平臺(tái) Lite整體使用體驗(yàn)并不高，主要是功能比較簡(jiǎn)陋，不論是短視頻還是直播，都只能生成綠幕素材，需要第三方剪輯軟件或直播伴侶中再去扣綠幕處理。

硅基智能「小播秀」

然后是硅基智能，由于硅基智能的短視頻和直播功能是兩個(gè)產(chǎn)品，因?yàn)椤腹枵Z」相對(duì)簡(jiǎn)單，這里重點(diǎn)來說直播工具「小播秀」。

「小播秀」是一個(gè)電腦端軟件，比較有意思的是最新安裝包附帶的說明文檔中，對(duì)于電腦配置的要求非常高，如果做淘寶直播推薦電腦配置為13代酷睿i9 13900K+32G內(nèi)存+RTX3060以上顯卡，抖音與其他平臺(tái)推薦配置為13代酷睿i7 13700K+32G內(nèi)存+RTX3060以上顯卡。這套推薦配置要求有點(diǎn)高的嚇人，應(yīng)該沒有什么公司的辦公電腦能有這么高的配置，就是游戲玩家都沒幾個(gè)能配到i9 13900K的。

關(guān)于做直播真的需要如此高的CPU配置，我的觀點(diǎn)是，在比較極端的直播場(chǎng)景中，比如用4K攝像頭采集畫面，直播中插入了大尺寸的視頻素材、全程開人物美顏、開摳背景，那么就真的需要13700K、13900K這樣的高端配置才能確保流暢。但常規(guī)直播應(yīng)該用不了這么高，特別是用AI數(shù)字人一般不需要開美顏、不需要實(shí)時(shí)扣背景這些比較耗費(fèi)資源功能，所以硅基推薦這配置要么是為了保險(xiǎn)，要么是「小播秀」本身非常吃硬件配置。

在使用上，硅基智能「小播秀」給我的感覺就是專業(yè)，UI界面清爽，各個(gè)功能板塊，包括直播模板、直播管理、數(shù)字人管理都比較直觀?！感〔バ恪棺詭б恍┲谱鞅容^精良的模板，可以直接套用。但我認(rèn)為直播不同于短視頻，套用模板的情況可能不多，因?yàn)樽鰩ж浿辈?，背景和素材肯定都要換掉的，和自己新建直播間差不多。不過，這些模板可以作為學(xué)習(xí)的樣例，找一個(gè)打開后就可以知道建立直播間都需要哪些素材。

硅基智能「小播秀」的產(chǎn)品設(shè)計(jì)思路比較明確，就是要打造一個(gè)專業(yè)的數(shù)字人直播帶貨的工具， 直播間的搭建和開播等各方面功能，都是針對(duì)帶貨直播設(shè)計(jì)的。比如在創(chuàng)建直播間之前，最好先建立產(chǎn)品庫，就是把帶貨商品的素材物料的圖片素材先傳上去。

在建立直播間時(shí)，直播間類型有“憋單播”和“平播”兩種選項(xiàng)。直播間搭建界面的選項(xiàng)很多，選數(shù)字人、選背景加貼圖、添加直播文案（話術(shù)）這些常規(guī)操作相對(duì)簡(jiǎn)單，但關(guān)于直播互動(dòng)方面的設(shè)置就比較復(fù)雜了，簡(jiǎn)單的說就是各種互動(dòng)問答話術(shù)的設(shè)置，包括觸發(fā)某些條件的指定話術(shù)，比如在線人數(shù)達(dá)到某個(gè)數(shù)值、一輪直播結(jié)束、用戶評(píng)論了某些關(guān)鍵詞、有人送禮等等條件的話術(shù)，還有就是自定義話術(shù)庫，在直播中可以讓數(shù)字人口播所選擇的話術(shù)庫內(nèi)容。這些都需要提前進(jìn)行設(shè)置。如果建立一個(gè)時(shí)間在1個(gè)小時(shí)以上，互動(dòng)話術(shù)齊全的直播，工作量可不小。

所以，個(gè)人認(rèn)為硅基智能「小播秀」易用性不是很高，沒有專業(yè)直播搭建經(jīng)驗(yàn)的用戶需要一定的學(xué)習(xí)成本，它面向的用戶應(yīng)該是對(duì)帶貨直播很熟悉的企業(yè)用戶和帶貨直播達(dá)人。

總的來說，硅基智能「小播秀」在數(shù)字人直播功能的專業(yè)度上，應(yīng)該是我用過的數(shù)字人直播工具里最專業(yè)的，看的出來硅基智能下了不少功夫，產(chǎn)品也進(jìn)行了不少的迭代。

但是，個(gè)人認(rèn)為「小播秀」還是基于傳統(tǒng)直播流程打造，并不是基于AI智能化的。為什么這么說？因?yàn)橛盟罱ㄒ粋€(gè)直播間的工作量很大，比如需要寫大量的腳本（話術(shù)），以及各種的配圖，各種情況下如何互動(dòng)回復(fù)，都要人工來策劃與一步一步的操作，直播時(shí)也需要一個(gè)場(chǎng)控人員來處理互動(dòng)回復(fù)方面的事情，工作量相當(dāng)可觀，甚至有可能比用真人主播工作量還要大，因?yàn)檎嫒藢I(yè)主播你只要告訴他帶貨什么產(chǎn)品，產(chǎn)品話術(shù)真人主播自己就可以臨場(chǎng)發(fā)揮，互動(dòng)內(nèi)容更是隨手拈來。還有一點(diǎn)不能忽視的是，在直播平臺(tái)規(guī)則層面，每一次直播話術(shù)用完之后，短時(shí)間內(nèi)不能重復(fù)使用，否則容易被判錄播封號(hào)。因此，如果每天都要做直播的話，這種數(shù)字人+傳統(tǒng)直播生產(chǎn)流程，將會(huì)是相當(dāng)大的工作量。

所以我認(rèn)為硅基智能「小播秀」還是傳統(tǒng)的直播工具，它只是解決了用數(shù)字人代替真人出鏡這個(gè)問題，但是沒有解決除此之外的工作量。所以嚴(yán)格的說，它是一個(gè)半AI化的數(shù)字人直播工具。形成對(duì)比的是，百度曦靈和風(fēng)平智能目前的版本都已經(jīng)展現(xiàn)出來用AI來降低工作量的能力。

風(fēng)平智能「風(fēng)平IP智造」

風(fēng)平智能的「風(fēng)平IP智造」同時(shí)具備數(shù)字人短視頻生成和直播功能，但也提供只有短視頻功能的版本，而這里我體驗(yàn)的是全功能的旗艦版。在硬件配置上，「風(fēng)平IP智造」官方推薦配置不算很夸張，推薦配置為11代酷睿i5或以上CPU，32G內(nèi)存，以及RTX3060或以上顯卡，很多老電腦雖然依然達(dá)不到，但至少不那么夸張。

「風(fēng)平IP智造」主界面簡(jiǎn)潔直觀，主要功能分為AI創(chuàng)作、短視頻和直播。短視頻提供了不同行業(yè)的多款模板，但直播頁面沒有什么模板，并且功能設(shè)計(jì)也不像硅基智能那樣就是為帶貨直播而專門打造，有很多看起來專業(yè)的選項(xiàng)。但是，這也使得「風(fēng)平IP智造」通用性更高，既可以做帶貨直播，也可以做其他類型直播。

使用上「風(fēng)平IP智造」頗為直觀，基礎(chǔ)操作就是選擇數(shù)字人和背景，然后根據(jù)場(chǎng)景劃分，整段粘貼文案或者上傳錄音文件即可，不需要根據(jù)產(chǎn)品來一條一條建立話術(shù)，基本上不需要特別的學(xué)習(xí)培訓(xùn)，不用有做直播的經(jīng)驗(yàn)，只要自己試一試研究一會(huì)就可以快速搭建一個(gè)直播間。另外，數(shù)字人短視頻和直播的搭建頁面和使用方法幾乎是相同的，只需要選擇數(shù)字人和AI語音，選擇場(chǎng)景和貼圖，拖拖拽拽布局好，點(diǎn)擊生成就能出片，減少額外的學(xué)習(xí)成本。

從產(chǎn)品體驗(yàn)上看，風(fēng)平智能和硅基智能的數(shù)字人直播產(chǎn)品的設(shè)計(jì)思路有比較明顯的不同，它并沒有針對(duì)某一類直播做專門優(yōu)化，你可以說他通用性更高，也可以說在直播帶貨這個(gè)特定方向上，沒有硅基智能更細(xì)致與專業(yè)。但是，你用風(fēng)平智能的功能，也可以搭建出來和硅基相同效果的直播間，關(guān)鍵還是靈活使用。

「風(fēng)平IP智造」雖然對(duì)外宣傳的AI功能雖然還沒有全部實(shí)現(xiàn)，但已經(jīng)具備AI文案撰寫、AI文案改寫，以及AI直播互動(dòng)能能。前者簡(jiǎn)單的說就是類似ChatGPT或者文心一言的功能，輸入你的想法就可以為你寫文案，也可以給它一段文案，讓它來改寫。后者是智能直播互動(dòng)能力，就是用類ChatGPT大語言模型學(xué)習(xí)直播內(nèi)容，實(shí)現(xiàn)自動(dòng)回答問題，甚至與直播間用戶閑聊，「風(fēng)平IP智造」應(yīng)該是截稿時(shí)業(yè)內(nèi)唯一實(shí)現(xiàn)這一功能的產(chǎn)品。

另外根據(jù)風(fēng)平智能的對(duì)外的一些短視頻和宣傳，他們后面還要開放AI作畫，還有一個(gè)叫「1號(hào)AI」的小程序，可以全程AI生成文案、作畫，生成短視頻，如果真的可以實(shí)現(xiàn)，那絕對(duì)是易用性的天花板。

閃剪

閃剪是另一款將短視頻和直播功能分開的廠商，同樣也是相互獨(dú)立收費(fèi)。其中用于數(shù)字人短視頻創(chuàng)作的「閃剪」有網(wǎng)頁端和APP兩種，使用下來感覺比手機(jī)版剪映APP還要易用，并且具有AI生成文案功能，可以解決寫文案頭痛的煩惱。

而「閃剪智播」一樣以簡(jiǎn)單易用著稱，界面的直觀程度，相比風(fēng)平智能還有過之而無不及。軟件提供了一些模板，打開一個(gè)看一看就會(huì)明白「閃剪智播」的直播間搭建操作，就是選擇數(shù)字人、選擇背景，插入前景貼圖，上傳話術(shù)錄音即可。另外，「閃剪智播」目前沒有不同套餐版本的功能區(qū)分，只需要花錢買合成時(shí)間即可。

「閃剪智播」在使用上有一個(gè)點(diǎn)與其他三款產(chǎn)品都不同，就是它的數(shù)字人只能使用錄音文件驅(qū)動(dòng)，雖然它本身也有一個(gè)插件是文本轉(zhuǎn)AI聲音，而且聲音庫還很豐富，但合成的音頻卻不能用于驅(qū)動(dòng)數(shù)字人。我的理解是，閃剪這樣做的目的是希望用戶使用真人錄音去驅(qū)動(dòng)數(shù)字人，這樣可以很大限度防止直播封禁的問題。

總的來說，百度曦靈略目前產(chǎn)品的打造顯粗糙，雖然有大模型文心一言的無縫嵌入這一亮點(diǎn)，但整體功能和使用體驗(yàn)依舊有所欠缺。硅基智能「小播秀」的直播功能專業(yè)，如果做帶貨直播它可能是最齊全、最靈活的選擇，但上手難度略高，它更適合電商和本地生活直播用戶。「風(fēng)平IP智造」將專業(yè)性與易用性結(jié)合的很好，短視頻和直播功能可以滿足各種類型的需求，操作上也非常直觀，降低了學(xué)習(xí)難度，同時(shí)「風(fēng)平IP智造」很早就規(guī)劃了全AI內(nèi)容生成的框架，AI功能也是目前最強(qiáng)大的。閃剪則是幾款里門檻最低的，無需先行付費(fèi)也可直接體驗(yàn)除去最終合成之外的絕大多數(shù)功能，特別是數(shù)字人短視頻易用而強(qiáng)大，而直播產(chǎn)品目前的功能積淀還是略遜色，后續(xù)版本還有較大的提升空間。

數(shù)字人效果

數(shù)字人產(chǎn)品的核心競(jìng)爭(zhēng)力，無疑是數(shù)字人的品質(zhì)效果，即便你平臺(tái)的易用性不好、功能不夠多、模板不夠豐富，但如果數(shù)字人做出來足夠清晰、口型準(zhǔn)確度足夠高、動(dòng)作表情自然，那么哪怕我是綠幕輸出后期做視頻做直播再去扣背景，也會(huì)有競(jìng)爭(zhēng)力。

2D真人數(shù)字人的質(zhì)量，一般和模型的訓(xùn)練算法、素材拍攝質(zhì)量、AI合成的聲音質(zhì)量，還有數(shù)字人平臺(tái)輸出的算法、參數(shù)設(shè)置有關(guān)。目前2D數(shù)字真人建模算法的實(shí)現(xiàn)，包括百度、硅基、風(fēng)平和閃剪用的都是相似原理的方案，都是以一段實(shí)際拍攝的真人拍攝的視頻為素材，用AI神經(jīng)網(wǎng)絡(luò)去訓(xùn)練讀每個(gè)字的口型，最后訓(xùn)練出來可說任意內(nèi)容的數(shù)字人。

在具體實(shí)現(xiàn)上，大致又有兩個(gè)分支，其中一個(gè)是錄制完整真人開口說話的視頻素材，訓(xùn)練也用的是真實(shí)的口型，它的優(yōu)點(diǎn)是效果真實(shí)，錄制時(shí)可以通過口播臺(tái)詞，來實(shí)現(xiàn)說話和語氣、動(dòng)作的匹配，訓(xùn)練出來的數(shù)字人動(dòng)作表情也會(huì)切合使用場(chǎng)景。但相對(duì)來說，它對(duì)訓(xùn)練素材拍攝要求略微高一點(diǎn)點(diǎn)，主要是看人，如果是口才好不怯場(chǎng)、習(xí)慣在鏡頭前表達(dá)的人，只要10分鐘就能搞定拍攝素材；如果是鏡頭前怯場(chǎng)的人，那就要多拍幾遍。三款產(chǎn)品里，風(fēng)平智能、硅基智能和閃剪都采用這種數(shù)字人模型的訓(xùn)練方式。

第二種算是簡(jiǎn)易速成的方法，錄制的真人視頻素材不用開口說話，數(shù)字真人是用AI算法去模擬預(yù)測(cè)口型的開合，這樣的好處是對(duì)訓(xùn)練素材的要求低，只要拍攝者在鏡頭前面閉著嘴做一些手勢(shì)動(dòng)作就可以，而且建模速度快，不到1天就可以完成建模。但不足是，既然是速成的方法，所以效果不如前一種方法好，一是算法合預(yù)測(cè)合成的口型和牙齒，再怎么做也無法和真實(shí)口型相比，而且拍攝素材是不講話光比劃動(dòng)作，除非是非常專業(yè)的演員，否則普通人很難不說話去做出來自然、恰當(dāng)?shù)膭?dòng)作，因此做出來的數(shù)字人會(huì)有比較明顯的機(jī)械感，或者說不協(xié)調(diào)感感，肢體動(dòng)作比較出戲，口型牙齒略顯不自然，無法體現(xiàn)出不同人的不同氣質(zhì)特點(diǎn)。三款產(chǎn)品里，百度曦靈的數(shù)字人是唯一使用這種建模方法的產(chǎn)品。

另外，現(xiàn)在還有一種讓照片說話的玩法，國外成名比較早的AI項(xiàng)目是D-ID，在其火爆之后，最近國內(nèi)一些數(shù)字人產(chǎn)品也加入了這個(gè)功能，用的也是AI模擬口型的方法，讓照片的中人物的嘴動(dòng)起來說話，但由于效果有限，一般只作為附加小功能，其中硅基和閃剪的短視頻產(chǎn)品都有這項(xiàng)功能。

再來說說私有專屬數(shù)字人定制的流程，各家基本是大同小異的。一般是自己想辦法拍攝一段符合要求的視頻素材，提交給平臺(tái)進(jìn)行訓(xùn)練。拍攝過程并不復(fù)雜，就是在鏡頭前說話幾分鐘，但無論如何一定要重視，因?yàn)槿〔呐臄z的質(zhì)量直接決定最后數(shù)字人訓(xùn)練出來的效果。所以建議大家在拍攝的時(shí)候要苛求完美，妝容、服裝搭配、打燈效果，還有錄制時(shí)的神態(tài)與動(dòng)作等都要追求完美，為了最后的效果多拍幾遍是值得的。值得一提的是，風(fēng)平智能還提供AI捏臉生成數(shù)字人的選項(xiàng)，就是通過AI技術(shù)融合出一個(gè)現(xiàn)實(shí)中不存的面容的數(shù)字人，可以很大程度上避開真人形象存在肖像使用權(quán)的問題。

綜上來看，從建模方案上，百度曦靈由于采用簡(jiǎn)易的建模方式，所以數(shù)字人的效果相對(duì)較差一些，主要表現(xiàn)就是口型自然度和表情動(dòng)作相對(duì)不融洽，不論是做短視頻還是做直播，一般可以看出來是數(shù)字人。其余三家的數(shù)字人采用更為復(fù)雜但效果更好的建模方法，只要提供的視頻素材足夠優(yōu)秀，建模出來的數(shù)字人上限就可以很高。另外的一個(gè)要點(diǎn)是聲音，選用一款適合的AI聲音或用真人語音驅(qū)動(dòng)，才能讓嘴型準(zhǔn)確度達(dá)到更好的水平。

四款數(shù)字人平臺(tái)都提供了一定數(shù)量的公用數(shù)字人，所有付費(fèi)會(huì)員都可以直接使用。其中百度的公用數(shù)字人數(shù)目前大概有56個(gè)，全部數(shù)字人標(biāo)準(zhǔn)統(tǒng)一，模特質(zhì)量都很高。硅基智能提供了51個(gè)，數(shù)量多但質(zhì)量有些參差不齊，有些數(shù)字人像是充數(shù)的感覺。風(fēng)平智能的公用數(shù)字人最少，僅為14個(gè)，不過建模標(biāo)準(zhǔn)相對(duì)統(tǒng)一，品質(zhì)良好，14個(gè)人里面有11個(gè)面孔，重復(fù)率低是個(gè)亮點(diǎn)。

公用數(shù)字人最多的是閃剪，截稿時(shí)有多達(dá)84個(gè)，而且覆蓋的類型非常豐富，不同職業(yè)服裝、不同國家、不同姿勢(shì)的都有，甚至連黑人建模的數(shù)字人都有，是四款產(chǎn)品里獨(dú)樹一幟的。

不過，我的觀點(diǎn)是公用數(shù)字人的多少不是考量產(chǎn)品的主要指標(biāo)，不建議大家做短視頻、做直播使用公用數(shù)字人。原因很簡(jiǎn)單，因?yàn)楣脭?shù)字人你能用他也能用，就存在一個(gè)撞臉問題，不利于品牌形象和IP的打造。還有更現(xiàn)實(shí)的問題，如果大家都用同一個(gè)數(shù)字人做直播，那么會(huì)直接增加被判違規(guī)封號(hào)的概率。因?yàn)檫壿嬌贤粋€(gè)人不可能同一時(shí)間、不同地點(diǎn)用不同的賬號(hào)同時(shí)開不同內(nèi)容的直播，很明顯是有問題的，容易被平臺(tái)識(shí)別為是錄播，這會(huì)導(dǎo)致被踢下線，甚至被封號(hào)的可能性增高。

數(shù)字人的聲音也很重要，數(shù)字人一般有兩種驅(qū)動(dòng)方式，一種是文本驅(qū)動(dòng)，一種是真人聲音驅(qū)動(dòng)。其中文本驅(qū)動(dòng)是用AI合成的聲音輸出來配合數(shù)字人，目前除了百度曦靈的聲音庫數(shù)量偏少外，硅基智能、風(fēng)平智能和閃剪目前聲音庫基本都有50款以上，里面都會(huì)有效果好的，也有效果差一些湊數(shù)的，一般用平臺(tái)默認(rèn)推薦的幾個(gè)聲音都比較好。有必要說明的是，閃剪智播里雖然有AI合成聲音的插件和功能，但無法用于數(shù)字人驅(qū)動(dòng)，只能用錄音文件驅(qū)動(dòng)，這點(diǎn)前面提到過。

另外，AI合成的聲音還有一種更高級(jí)的存在，就是克隆自己的聲音，用自己克隆的聲音匹配自己的數(shù)字人模型，口型匹配度非常高，數(shù)字人更容易達(dá)到以假亂真的水平，劉潤(rùn)的數(shù)字人短視頻作品就是例子，難以識(shí)別真假。但聲音克隆的成本比較高，一般費(fèi)用要8000元或更多，風(fēng)平智能和硅基智能都有聲音克隆的選項(xiàng)。

還有一個(gè)容易被忽視的問題，就是私有數(shù)字人的隱私安全，行業(yè)還沒有廣泛形成統(tǒng)一的規(guī)范。如果自己的數(shù)字人被制作公司，被他人盜用，危害程度遠(yuǎn)比個(gè)人信息和照片隱私泄露可怕，如果有人用你的數(shù)字人形象和聲音發(fā)表不正當(dāng)言論，后果非常嚴(yán)重。目前多數(shù)數(shù)字人公司可以做到定制數(shù)字人時(shí)，對(duì)定制人的授權(quán)確認(rèn)，防止在未經(jīng)本人允許的情況下定制的數(shù)字人。除此之外的隱私安全措施，絕大多數(shù)數(shù)字人品牌都沒有額外提及，可以搜索查找到的，只有風(fēng)平智能對(duì)數(shù)字人安全態(tài)度積極，產(chǎn)品里有一個(gè)擁有專利技術(shù)的5AS風(fēng)險(xiǎn)管理系統(tǒng)。

另外想額外提一下擴(kuò)展能力。其實(shí)在更早的時(shí)候市面上出現(xiàn)過一些3D數(shù)字人產(chǎn)品，但由于算力和成本等問題，它們不太適合直播帶貨使用，所以逐漸被2D數(shù)字真人取代。但3D數(shù)字人在一些領(lǐng)域也有市場(chǎng)，比如游戲、VR等領(lǐng)域。所以如果有特別的需求，可以額外關(guān)注數(shù)字人平臺(tái)是否支持3D數(shù)字人。

這次評(píng)測(cè)的4款數(shù)字人產(chǎn)品，經(jīng)過一些資料查找和確認(rèn)，風(fēng)平智能「風(fēng)平IP智造」是基于Unity 3D構(gòu)架的，平臺(tái)可以直接支持3D數(shù)字人，不需要另外的平臺(tái)。而且Unity可以跨平臺(tái)導(dǎo)入其他應(yīng)用，比如VR、元宇宙應(yīng)用等，具有戰(zhàn)未來的擴(kuò)展性。而另外3款數(shù)字人平臺(tái)都是基于2D數(shù)字真人打造的，無法直接支持3D數(shù)字人。如果有3D數(shù)字人業(yè)務(wù)，應(yīng)該會(huì)是另外一套不同的平臺(tái)，另外一套收費(fèi)。

總的來看，四款產(chǎn)品里數(shù)字人整體效果比較好的是風(fēng)平智能、硅基智能和閃剪，三者都采用更真實(shí)的數(shù)字人建模方法，并且可以定制克隆聲音，數(shù)字人效果的上限很高，比如劉潤(rùn)、金錯(cuò)刀、環(huán)球網(wǎng)等大V、媒體號(hào)上的數(shù)字人，就是具體的案例。而百度曦靈由于采用一個(gè)相對(duì)簡(jiǎn)易的模型訓(xùn)練方法，定制效率雖然大大提高，但是數(shù)字人的效果相對(duì)不佳，會(huì)有一定的機(jī)械感，用來做短視頻或者直播比較影響效果。

數(shù)字人直播效果

數(shù)字人用于直播是現(xiàn)在需求量最大的，但在選擇數(shù)字人直播產(chǎn)品時(shí)，有一個(gè)不能忽視的問題，就是用數(shù)字人直播有可能在一些平臺(tái)上，比如抖音、視頻號(hào)上出現(xiàn)違規(guī)的問題。其中態(tài)度最明確的是抖音，在今年5月份出臺(tái)具體的規(guī)范，在認(rèn)可數(shù)字人直播的同時(shí)也做出了一些限制，比如畫面中需要標(biāo)明為AI生成的內(nèi)容，另外要求數(shù)字人要由人工驅(qū)動(dòng)或參與，不能全AI驅(qū)動(dòng)。

但是， 我們使用數(shù)字人做直播希望達(dá)到的就是無人工驅(qū)動(dòng)，這樣才能達(dá)到降本增效的目的，所以也會(huì)有各種數(shù)字人防封禁的策略。所以在選擇數(shù)字人直播產(chǎn)品的時(shí)候，一定要注意這方面的表現(xiàn)，包括一些避開平臺(tái)規(guī)則的改變畫面與聲音的措施，也包括數(shù)字人的互動(dòng)能力。終極解決辦法肯定是更高級(jí)別的AI交互能力，讓平臺(tái)，甚至包括我們自己都識(shí)別不出來直播的到底是真人還是數(shù)字人。所以說，數(shù)字人直播最終比拼的還要是AI能力，看誰家的數(shù)字人AI互動(dòng)能力最高。

首先來看看百度曦靈，相比它的短視頻功能，直播功能相對(duì)完善，并針對(duì)帶貨直播做了一些優(yōu)化，可以通過文心一言來AI生成話術(shù)，直接從文案里提取互動(dòng)的問題線索，可以大大節(jié)省人力，提高搭建直播間的效率。但不足是，輸出的視頻還是綠幕的形式，需要在直播伴侶里再去扣綠幕加背景，這樣的操作不僅繁瑣，而且實(shí)時(shí)扣綠幕會(huì)明顯增加直播電腦的CPU負(fù)擔(dān)，如果電腦配置不夠高，會(huì)明顯降低直播幀率，甚至出現(xiàn)卡頓情況。

另外開播上，百度靈犀云端版只提供了“窗口捕獲”一種導(dǎo)入直播伴侶的方法，就是曦靈會(huì)單獨(dú)彈出來一個(gè)網(wǎng)頁窗口頁面，然后用直播伴侶的“窗口捕獲”獲取畫面源。這種方式其實(shí)也會(huì)增加平臺(tái)判違規(guī)的風(fēng)險(xiǎn)。因?yàn)槔碚撋希鱾€(gè)平臺(tái)的直播伴侶有可能具備一定的內(nèi)容甄別功能，如果直播內(nèi)容是從一個(gè)窗口里獲取的，而不是從一個(gè)硬件攝像頭設(shè)備獲取的，理論上容易被視為錄播內(nèi)容。另外，硅基智能默認(rèn)也是窗口捕獲的方式，但另外提供直播間推流與拉流的方式，不過這兩種方式也一定程度上存在提高被判錄播概率的風(fēng)險(xiǎn)。相對(duì)而言，風(fēng)平智能和閃剪則是將數(shù)字人視頻流虛擬成一個(gè)攝像頭硬件設(shè)備，在直播直播伴侶里添加攝像頭即可獲取畫面流，理論上可以一定程度降低被判錄播的風(fēng)險(xiǎn)。

然后是硅基智能和風(fēng)平智能，他們是直播功能做的最好的兩家，「小播秀」和「風(fēng)平IP智造」在防封禁上都做出了很多的嘗試，也開發(fā)出了一些功能措施，比如實(shí)時(shí)時(shí)鐘，就是畫面里放一個(gè)與標(biāo)準(zhǔn)時(shí)間的時(shí)鐘來證明不是錄播，比如直播時(shí)話術(shù)場(chǎng)景的順序可以隨機(jī)切換，比如故意給畫面和聲音制造一些噪音噪音，干擾平臺(tái)的判斷等等?？傮w來說，兩家的數(shù)字人直播功能大體相似，但也有一定的區(qū)別。

重點(diǎn)是直播交互能力，「小播秀」和「風(fēng)平IP智造」都支持自動(dòng)應(yīng)答、自動(dòng)回復(fù)功能，也都支持插播和真人接管功能。自動(dòng)回復(fù)方面，兩家都可以支持插播功能，就是在直播過程中，可以根據(jù)直播的情況，可以隨時(shí)通過文本驅(qū)動(dòng)數(shù)字人，臨時(shí)插入任意新加入的內(nèi)容。

還有真人接管功能，得益于實(shí)時(shí)驅(qū)動(dòng)能力，「小播秀」和「風(fēng)平IP智造」可以用真人說話來實(shí)時(shí)驅(qū)動(dòng)數(shù)字人。從抖音平臺(tái)的規(guī)范看，這種就屬于人工驅(qū)動(dòng)的數(shù)字人，是規(guī)則被允許的不屬于違規(guī)行為。其實(shí)這算是一個(gè)悖論，用數(shù)字人的目的是省去人工，但為了符合平臺(tái)要求而用人工驅(qū)動(dòng)數(shù)字人，又偏離了AI數(shù)字人節(jié)省人工成本的目的。而「小播秀」和「風(fēng)平IP智造」加入這個(gè)功能的初衷，更多的是在數(shù)字人直播中如果出現(xiàn)一些特殊情況，可以人工接管進(jìn)行應(yīng)對(duì)。

閃剪的 「閃剪智播」的易用性很好，其界面和功能設(shè)計(jì)應(yīng)該是比較多的借鑒了直播伴侶，可插入的素材方面最為全面，不只是圖片、視頻和音頻，還可以插入窗口、瀏覽器、攝像頭、麥克風(fēng)到其中。只是這些功能在直播伴侶里都可以實(shí)現(xiàn)，把他們挪到軟件里，似乎不太符合直播的操作習(xí)慣。

「閃剪智播」的直播和互動(dòng)能能還比較初級(jí)，缺少一些高階功能。首先，「閃剪智播」是4款產(chǎn)品中唯一不具備實(shí)時(shí)驅(qū)動(dòng)的數(shù)字人直播產(chǎn)品，簡(jiǎn)單的解釋就是創(chuàng)建一個(gè)新的話術(shù)，需要先提交訓(xùn)練，訓(xùn)練完成后才能直播使用，相當(dāng)于把數(shù)字人的話術(shù)提前生成為視頻，直播時(shí)再去播放。這種方式的不足是，一是訓(xùn)練是需要時(shí)間的，所以閃剪說明文檔里建議在開播前一天提交訓(xùn)練；二是如果訓(xùn)練完成后發(fā)現(xiàn)有話術(shù)錯(cuò)誤，想要修改需要重新提交訓(xùn)練，需要生成時(shí)間不僅會(huì)打亂直播計(jì)劃，而且還會(huì)消耗合成時(shí)長(zhǎng)；三是如果直播要暫停，那么數(shù)字人就完全靜止不動(dòng)了。

而實(shí)時(shí)驅(qū)動(dòng)的數(shù)字人，無需預(yù)先訓(xùn)練無需等待，新插入的文案話術(shù)都可以直接開直播，話術(shù)寫錯(cuò)了直接改過來就可以，無需訓(xùn)練等待。另外還有一個(gè)小優(yōu)點(diǎn)，就是直播中如果按暫停，數(shù)字人也只是閉嘴不說話，身體都是會(huì)動(dòng)的。

「閃剪智播」具備基本的交互能力，可以設(shè)定條件話術(shù)，在直播中回答用戶的問題。而其他防封禁策略上，「閃剪智播」除去場(chǎng)景循序打亂之外，只能用錄音文件驅(qū)動(dòng)數(shù)字人，算是半強(qiáng)迫的讓用戶去真人錄音，從而降低封禁的風(fēng)險(xiǎn)。

最后談?wù)剶?shù)字人直播真正核心的能力——AI互動(dòng)，它的實(shí)現(xiàn)基礎(chǔ)是ChatGPT、文心一言這類大預(yù)言模型。百度、硅基智能和風(fēng)平智能三家對(duì)外宣傳中都提到這樣的功能，但截稿時(shí)只有風(fēng)平智能的「風(fēng)平IP智造」具備這一功能。

百度曦靈理論上背靠自家的文心一言，有近水樓臺(tái)的優(yōu)勢(shì)，但文心一言的功能僅限于產(chǎn)品話術(shù)生成與從文案腳本快速學(xué)習(xí)生成問答庫問題，其中具體問答還需要人工篩選與確定，屬于比較初級(jí)的AI。

硅基智能對(duì)外宣傳中提到高級(jí)版具備AI大腦功能，基于GPT4可根據(jù)直播間數(shù)據(jù)實(shí)時(shí)優(yōu)化直播話術(shù)，但目前版本還未實(shí)現(xiàn)這一功能，而且也不具備話術(shù)生成等輔助AI功能。而閃剪的短視頻工具雖然有AI文案功能，但直播工具卻完全沒有，有些遺憾。

現(xiàn)在AI互動(dòng)實(shí)現(xiàn)水平最高的是風(fēng)平智能，最新版本已接入類ChatGPT大語言模型，可以直接上傳直播內(nèi)容相關(guān)的文檔，AI自動(dòng)對(duì)文檔內(nèi)容以及直播腳本內(nèi)容進(jìn)行學(xué)習(xí)，直播中用戶提出問題，數(shù)字人會(huì)根據(jù)文檔中的內(nèi)容進(jìn)行分析并組織回答，并且無需像百度那樣需要提前人工篩選與配置問題。更有意思的是，如果用戶提問的是文檔中沒有涉及到的內(nèi)容，則會(huì)用大語言模型與用戶進(jìn)行相關(guān)話題的“閑聊”。

經(jīng)過測(cè)試，從評(píng)論區(qū)輸入問題，到數(shù)字人進(jìn)行口播回答，大約30s到1分鐘的時(shí)候，考慮的網(wǎng)絡(luò)延遲、算力實(shí)時(shí)生成，這樣的響應(yīng)速度已經(jīng)很快，具備很高的實(shí)用性。如果是提前給好腳本提前訓(xùn)練學(xué)習(xí)的內(nèi)容，感覺AI大腦是比較智能的，可以按文本里的內(nèi)容組織回答。閑聊感覺就像和GPT等聊天感覺差不多，問什么都可以答出個(gè)相關(guān)的內(nèi)容。個(gè)人感覺，配合這個(gè)AI大腦和AI閑聊，數(shù)字人直播交互可以說有了質(zhì)的變化，甚至可以說是革命，最直接的好處是，比如即便使用同一套文案，只要直播中觀眾提出不同的問題，也會(huì)變成不一樣的直播內(nèi)容，這樣一方面直播變得有趣了，可以像真人那樣互動(dòng)，二是同一個(gè)腳本可以一定程度上重復(fù)使用，節(jié)省工作量。

總體而言，目前市面上的數(shù)字人直播系統(tǒng)，基本上誰都無法保證100%做到防封禁，需要在搭建直播間的時(shí)候充分利用各種已知的措施。而在數(shù)字人直播交互方面，現(xiàn)階段風(fēng)平智能做的最好，已經(jīng)在直播互動(dòng)環(huán)節(jié)部署了AI大語言模型 ，可以直接通過學(xué)習(xí)進(jìn)行問題交互，甚至是AI聊天，直播防封達(dá)到了一個(gè)新高度。

數(shù)字人短視頻

數(shù)字人短視頻是另外一大高需求應(yīng)用場(chǎng)景，目前實(shí)現(xiàn)程度也非常高，各大短視頻平臺(tái)基本對(duì)AI數(shù)字人短視頻沒有什么限制，現(xiàn)在一些大V、企業(yè)和媒體都用數(shù)字人生產(chǎn)的短視頻內(nèi)容，有些已經(jīng)達(dá)到難以分清是真人還是數(shù)字人的程度，比如前面提到的劉潤(rùn)、環(huán)球網(wǎng)等案例。這些知名的案例里面，其實(shí)就有這次評(píng)測(cè)的數(shù)字人平臺(tái)定制的數(shù)字人。

短視頻這部分功能體驗(yàn)，我介紹的要相對(duì)簡(jiǎn)單一些，因?yàn)楣δ芎蛿?shù)字人效果與直播的表現(xiàn)都非常相似。

首先短視頻生成的功能和體驗(yàn)上，毫無疑問百度曦靈體驗(yàn)最差，原因之一就是功能過于簡(jiǎn)陋，只能輸出未加工的綠幕數(shù)字人口播視頻，只能用音頻文件驅(qū)動(dòng)數(shù)字人，需要配合其他剪輯軟件才能做出來最終的短視頻，它并不是一個(gè)完整的解決方案。第二個(gè)原因是，由于百度數(shù)字人用的是AI合成非原生的口型牙齒，數(shù)字人的口型、動(dòng)作可能會(huì)不太恰當(dāng)，觀感效果略顯不足。

硅基智能的「硅語」是需要另購的獨(dú)立產(chǎn)品，除去會(huì)員時(shí)長(zhǎng)外，里面也會(huì)有一些收費(fèi)的公用數(shù)字人。在數(shù)字人的效果上，「硅語」與「小播秀」的數(shù)字人效果一致，但公用數(shù)字人的質(zhì)量似乎更好，主要是庫里的付費(fèi)數(shù)字人要比「小播秀」里面的拍攝制效果好一些，AI聲音也比小播秀的聲音多。

在功能上「硅語」比較齊全，提供了比較豐富的模板，文案方面可以使用文本驅(qū)動(dòng)、錄音文件驅(qū)動(dòng)，也可以從網(wǎng)上別人發(fā)的短視頻里扒文案，但比較遺憾的是不具備AI文案的功能。另外很奇怪的是，視頻編輯頁面里，沒有在數(shù)字人上面加前景貼圖的功能，但模板里卻有這個(gè)效果，令人費(fèi)解。

還有，硅語中也加入了趣味功能，比如照片說話、數(shù)字名片等，可以算是錦上添花的趣味功能。

總體來說硅基智能「硅語」的整體效果不錯(cuò)，使用上也比較順手，但功能上還不夠完善，AI功能文案功能缺失。

風(fēng)平智能的「風(fēng)平IP智造」的短視頻功能總體不錯(cuò)，由于和直播功能在使用上幾乎完全相同，數(shù)字人與聲音庫也是共用的，所以操作、資源庫和數(shù)字人效果這塊無需再次贅述。與直播不同的是，短視頻這里附帶了不少視頻模板，可以直接套用。另外在編輯窗口里，也是可以建立多個(gè)場(chǎng)景的，這種設(shè)計(jì)的好處是可以不同場(chǎng)景有不同的畫面內(nèi)容，比如第一個(gè)場(chǎng)景是短視頻標(biāo)題封面，第二個(gè)是數(shù)字人口播將內(nèi)容，第三個(gè)場(chǎng)景是全屏素材展示等等，比較靈活。

素材支持方面「風(fēng)平IP智造」是四款產(chǎn)品里最好的，可支持字幕，可以任意插入圖片或視頻素材，靈活調(diào)整圖層，而且經(jīng)過測(cè)試，「風(fēng)平IP智造」是四款里唯一支持透明貼圖功能的。

另外就是風(fēng)平智能支持AI文案生成功能，AI寫作能力感覺和ChatGPT相當(dāng)。另外生成文案后，上面還有個(gè)一鍵成片的按鈕，點(diǎn)一下就可以將文案按照模板樣式生成短視頻，可以略微提升制作效率。

最近從經(jīng)銷商那里看到風(fēng)平智能的一個(gè)宣傳視頻，一個(gè)名為「1號(hào)AI」的微信小程序?qū)⒃诮谏霞??！?號(hào)AI」是個(gè)主打一鍵成片的數(shù)字人短視頻工具，只要輸入你的想法，然后文案、配圖、數(shù)字人生成等等全部AI自動(dòng)生成，直接出片。并且還可以直接將網(wǎng)上看到的好玩的短視頻的網(wǎng)址粘進(jìn)去，AI會(huì)直接抓取文案，并自動(dòng)對(duì)文案進(jìn)行改寫，輸出同款樣式但內(nèi)容不同的短視頻。

總體來說，風(fēng)平IP智造的短視頻功能完善，簡(jiǎn)單易用，本身就屬于非常好的數(shù)字人短視頻生成工具。如果即將上架的「1號(hào)AI」真的如宣傳片里介紹那般智能，那么它會(huì)是一個(gè)開創(chuàng)性的數(shù)字人短視頻生成工具。

閃剪和硅基一樣，短視頻工具是獨(dú)立的產(chǎn)品，提供網(wǎng)頁版與APP版本。但使用下來，個(gè)人認(rèn)為閃剪要明顯比硅語好用一些，而且費(fèi)用還要低于硅語低。

這里主要以閃剪APP進(jìn)行測(cè)試，除去圖文快剪功能外，它還包括AI文案、智能成片，以及照片數(shù)字人功能。閃剪提供了比較多的視頻模板，不過一些模板設(shè)計(jì)不算很精良，就是換了不同的背景圖片。在視頻編輯頁面里，可以設(shè)置和調(diào)節(jié)的項(xiàng)目很多，換背景，加前景貼圖素材和字幕功能都有。但是比較遺憾的是，閃剪APP中的貼圖不支持透明圖片，這大大限制前景圖片的效果，反之，網(wǎng)頁版則是可以支持的?？傊?，我覺得閃剪的操作還有可以優(yōu)化的空間，可以做的比現(xiàn)在操作更順手。

閃剪的智能成片功能用起來還可以，它可以按照需要話題和一些預(yù)設(shè)的要求生成短視頻文案，再用文案生成短視頻，水平與電腦端的「風(fēng)平IP智造」相似。

整體來說，閃剪的數(shù)字人短視頻效果較好，功能豐富易用性也不錯(cuò)，是一個(gè)價(jià)格相對(duì)低廉的數(shù)字人短視頻解決方案。

我用了同一個(gè)腳本，用4家的數(shù)字人分別生成了同樣視頻，都未經(jīng)過其他剪輯軟件處理，大家可以對(duì)比看一下。整體效果相當(dāng)，其中百度的嘴型合成方式與另外三家不同，粗看是看不出來的，細(xì)看可以看出來機(jī)器合成的痕跡。

綜上，除去百度曦靈的短視頻功能體驗(yàn)比較差之外，另外三家的水平整體都達(dá)到了很不錯(cuò)的水平。三者比較的話，相對(duì)來說硅基智能的「硅語」中規(guī)中矩，閃剪的視頻編輯、剪輯功能豐富，易用性好。而風(fēng)平智能的「風(fēng)平IP智造」在保證數(shù)字人短視頻的功能與效果的同時(shí)，比較突出AI能力。

總結(jié)

最后我就不長(zhǎng)篇大論去做文字總結(jié)，不去做蓋棺定論了，放一張圖表對(duì)四款產(chǎn)品的各方各面做一個(gè)總結(jié)，每款產(chǎn)品表現(xiàn)比較突出的地方都用紅字標(biāo)重點(diǎn)了，哪一款產(chǎn)品更適合自己，請(qǐng)大家自行斟酌與參考。

有一點(diǎn)大家可能發(fā)現(xiàn)了，這次對(duì)比我并沒有過多的說明每家產(chǎn)品和套餐價(jià)格。這是因?yàn)楫?dāng)前數(shù)字人產(chǎn)品主要面向企業(yè)用戶與專業(yè)內(nèi)容生產(chǎn)者，數(shù)字人對(duì)他們來說是賺錢工具，對(duì)價(jià)格相對(duì)不那么敏感。如果你是老板，去挑選一款數(shù)字人直播產(chǎn)品，那么2萬元1年效果一般，需要較多的人工操作，還容易封號(hào)的產(chǎn)品，和5萬元1年可以實(shí)時(shí)驅(qū)動(dòng)，直播互動(dòng)能力強(qiáng)，不容易封號(hào)，選哪個(gè)是不是顯而易見了？作為B端應(yīng)用，并不能單純的用產(chǎn)品單價(jià)來衡量，況且數(shù)字人單品價(jià)格也不算很高，誰能降本增效，誰能覆蓋掉成本實(shí)現(xiàn)營(yíng)收，那么它就是性價(jià)比更高、更好的產(chǎn)品。