跳到正文
阿里雲開發者社區 AI·· 20 小時前AI 評分38

AI 數字人:能生成只是起點,會演才是門檻

AI数字人:能生成只是起点,会演才是门槛

AI 導讀

AI 數字人的生成門檻持續下降,但多數仍停留在能説不會演,動作、口型與微表情等表演短板限制觀眾留存。美團技術團隊的實踐數據顯示,30 秒可生成直播素材、3 分鐘完成開播配置,數字人直播月日均 GTV 同比增長 82.12%。內容成效仍取決於鏡頭、節奏與情緒設計,合規標識及形象、音色授權亦是營運成本。

正文

2026-11-21 7

版权

版权声明:

本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《 阿里云开发者社区用户服务协议》和 《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写 侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

简介: AI数字人已从展台走向产线,覆盖短视频、直播、客服等场景,但多数仍停留于“能说不会演”。生成门槛降低,30秒出素材、千元级轻量方案普及;然而动作僵硬、口型不准、微表情缺失等表演短板突出。内容质量更取决于导演思维,而非工具本身。合规标识与授权亦成隐性成本。(239字)

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。

数字人四块技术模块与关键效率数据

“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。

数字人表演层面的四类常见缺陷

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。

从脚本到成片的制作链路与产出差异

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。

AI 生成内容的标识义务与授权清单

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。

來源:阿里雲開發者社區 AI · developer.aliyun.com