数字人短视频现状

数字人技术现在已经相对比较成熟了，在短视频上的应用场景上更是如此。那这个行业的情况怎样？市场和客户、需求都是什么呢？我们来看看作者的分享。

短视频是目前数字人应用相对成熟的场景。就是用 AI 复刻出一个真人的数字分身，然后只需要输入文本，就能得到这个数字人说这段文本的视频。可以大大提高口播博主的视频制作效率，不用化妆和拍摄录制，直接将准备好的文案输入到系统中，视频就做好了。

一、客户类型

政务类的客户会用数字人做短视频，比如公安反诈骗宣传、消防宣传、普法教育等。另外还有中小 b 客户，比如保险经纪人、医生、律师、教师、自媒体创作者等，一般会定制数字分身，用数字分身快速批量生成口播短视频，发布到抖音等短视频平台，打造个人 IP，引流获客。比如抖音大 v 刘润的一部分视频，就是用数字分身制作的。

短视频平台比如抖音，对数字人短视频不会额外多给流量，也不会单独减少流量。只要是高质量的视频，不论是不是数字分身合成的，都会得到平台的推荐。如果用真人出镜的短视频已经拿到了结果，那么数字分身可以大大节省创作者录制和制作视频的时间。

二、客户需求

真假难辨达到真人出镜的效果：数字人效果是核心。外貌、声音、口型、说话时眼睛和面部表情、肢体动作要足够自然，画面清晰，达到跟真人视频一样的效果。抖音的态度是可以用数字人，但得是高质量的内容，且注明 ai 生成）。清晰度 1080p。

数字分身制作：对于需要打造个人 ip 的客户，以及抖音上的 kol，需要定制形象，包括形象和声音克隆。形象克隆后需要保障使用的安全性，自己的数字分身不能被他人滥用。

高效的视频制作工具：节省制作口播视频的时间，输入文案就能生成媲美真人的口播视频。

合适的价格。一般按合成的视频时长收费。目前一分钟的视频，已经从之前的 10 多元，降到现在 5 元左右，后续还有下降空间。如果客户定制了自己的数字分身，可以直接送几百分钟的时长包。

三、技术现状

1）形象：数字人形象定制费用下降，定制过程变简单。数字人分为 2d 真人和 3d 类型。真人的数字分身，外观几乎和真人分不出来，真人 90%+ 的相似度。3d 写实风格的数字人，已经可以做到愉悦的视觉观感，常见用途是给大公司做代言人，出代言海报或者视频。效果好的 3d 数字人价格都得几十万，甚至上百万，但相比请明星的代言费，简直九牛一毛。

2）驱动能力：包括数字人的口型、面部表情、肢体动作。好的厂商的口型准确度高，和真人说话的口型几乎一样。目前 2d 真人数字人的面部表情，上半身的肢体动作，是基于录制素材中面部表情和肢体动作的循环播放，也和真人几乎一样。3d 数字人的动作和表情可以做，但是数量少，靠人工制作，效果自然的价格就高，整体稍僵硬。现在行业内还不能做到，让数字人根据说话内容的语义，通过声音或者表情和肢体动作传达情绪，情绪传达相比真人有较大距离。

3）语言理解能力：语言理解已经从之前的知识库发展到了大模型，接入大模型的数字人，对文本语言的理解明显提升，完全可进行开放域对话。

四、数字人短视频产品功能

形象克隆：除了照片生成数字人之外，形象克隆目前都需要线下手工操作，即用客户提供的视频训练出数字分身。

声音克隆：还是用客户提供的说话视频，用 ai 克隆出客户的音色。

短视频制作工具：

核心功能：形象 & 声音克隆的视频素材上传、短视频元素设置（背景 + 模特 + 声音 + 播报文本）、合成和下载视频

重大功能：字幕、视频素材添加、模特自定义设置（位置 / 大小 / 形状）、视频效果配置（横竖屏、清晰度）、真人音频上传

辅助功能：短视频素材资源（背景图资源 / 字幕样式资源 / 贴纸资源 / 图片和视频资源 / 配乐资源）

五、市场现状

数字人做短视频，确实有市场需求，抖音上不断有创作者使用数字人做短视频。尤其近一年来，技术进步带来形象定制费用大幅下降，更多人能用得起。2023 年一下爆发出现了很多数字人短视频厂商，这里面有自研能力的厂商少，有些仅贴牌代理。所以市面上的数字人产品，鱼龙混杂，产品良莠不齐，价格较乱。各厂商提供的功能差不多，但数字人视频的效果和软件体验有差异。

2023 年有很多厂家进来做这个，但根据出门问问相关负责人透露的信息，目前数字人公司几乎处于投入阶段，大部分公司的投入远远大于收入，要盈利可能还需要一两年时间。国内做数字人短视频的头部，从视频效果和市场占有率的角度，个人认为是硅基。据硅基消息，8000 元 1 个的克隆，他们卖了上万个，头部厂商的营收大概就是这样。

本文由 @乐活小宇宙 原创发布于人人都是产品经理。

题图来自 Unsplash，基于 CC0 协议。

查看原文