數(shù)字人技術(shù)現(xiàn)在已經(jīng)相對比較成熟了，在短視頻上的應(yīng)用場景上更是如此。那這個(gè)行業(yè)的情況怎樣？市場和客戶、需求都是什么呢？我們來看看作者的分享。

短視頻是目前數(shù)字人應(yīng)用相對成熟的場景。就是用AI復(fù)刻出一個(gè)真人的數(shù)字分身，然后只需要輸入文本，就能得到這個(gè)數(shù)字人說這段文本的視頻。可以大大提高口播博主的視頻制作效率，不用化妝和拍攝錄制，直接將準(zhǔn)備好的文案輸入到系統(tǒng)中，視頻就做好了。

一、客戶類型

政務(wù)類的客戶會(huì)用數(shù)字人做短視頻，比如公安反詐騙宣傳、消防宣傳、普法教育等。另外還有中小b客戶，比如保險(xiǎn)經(jīng)紀(jì)人、醫(yī)生、律師、教師、自媒體創(chuàng)作者等，一般會(huì)定制數(shù)字分身，用數(shù)字分身快速批量生成口播短視頻，發(fā)布到抖音等短視頻平臺(tái)，打造個(gè)人IP，引流獲客。比如抖音大v劉潤的一部分視頻，就是用數(shù)字分身制作的。

短視頻平臺(tái)比如抖音，對數(shù)字人短視頻不會(huì)額外多給流量，也不會(huì)單獨(dú)減少流量。只要是高質(zhì)量的視頻，不論是不是數(shù)字分身合成的，都會(huì)得到平臺(tái)的推薦。如果用真人出鏡的短視頻已經(jīng)拿到了結(jié)果，那么數(shù)字分身可以大大節(jié)省創(chuàng)作者錄制和制作視頻的時(shí)間。

二、客戶需求

• 真假難辨達(dá)到真人出鏡的效果：數(shù)字人效果是核心。外貌、聲音、口型、說話時(shí)眼睛和面部表情、肢體動(dòng)作要足夠自然，畫面清晰，達(dá)到跟真人視頻一樣的效果。抖音的態(tài)度是可以用數(shù)字人，但得是高質(zhì)量的內(nèi)容，且注明ai生成）。清晰度1080p。
• 數(shù)字分身制作：對于需要打造個(gè)人ip的客戶，以及抖音上的kol，需要定制形象，包括形象和聲音克隆。形象克隆后需要保障使用的安全性，自己的數(shù)字分身不能被他人濫用。
• 高效的視頻制作工具：節(jié)省制作口播視頻的時(shí)間，輸入文案就能生成媲美真人的口播視頻。
• 合適的價(jià)格。一般按合成的視頻時(shí)長收費(fèi)。目前一分鐘的視頻，已經(jīng)從之前的10多元，降到現(xiàn)在5元左右，后續(xù)還有下降空間。如果客戶定制了自己的數(shù)字分身，可以直接送幾百分鐘的時(shí)長包。

三、技術(shù)現(xiàn)狀

1）形象：數(shù)字人形象定制費(fèi)用下降，定制過程變簡單。數(shù)字人分為2d真人和3d類型。真人的數(shù)字分身，外觀幾乎和真人分不出來，真人90%+的相似度。3d寫實(shí)風(fēng)格的數(shù)字人，已經(jīng)可以做到愉悅的視覺觀感，常見用途是給大公司做代言人，出代言海報(bào)或者視頻。效果好的3d數(shù)字人價(jià)格都得幾十萬，甚至上百萬，但相比請明星的代言費(fèi)，簡直九牛一毛。

2）驅(qū)動(dòng)能力：包括數(shù)字人的口型、面部表情、肢體動(dòng)作。好的廠商的口型準(zhǔn)確度高，和真人說話的口型幾乎一樣。目前2d真人數(shù)字人的面部表情，上半身的肢體動(dòng)作，是基于錄制素材中面部表情和肢體動(dòng)作的循環(huán)播放，也和真人幾乎一樣。3d數(shù)字人的動(dòng)作和表情可以做，但是數(shù)量少，靠人工制作，效果自然的價(jià)格就高，整體稍僵硬。現(xiàn)在行業(yè)內(nèi)還不能做到，讓數(shù)字人根據(jù)說話內(nèi)容的語義，通過聲音或者表情和肢體動(dòng)作傳達(dá)情緒，情緒傳達(dá)相比真人有較大距離。

3）語言理解能力：語言理解已經(jīng)從之前的知識(shí)庫發(fā)展到了大模型，接入大模型的數(shù)字人，對文本語言的理解明顯提升，完全可進(jìn)行開放域?qū)υ挕?/p>

四、數(shù)字人短視頻產(chǎn)品功能

形象克?。撼苏掌蓴?shù)字人之外，形象克隆目前都需要線下手工操作，即用客戶提供的視頻訓(xùn)練出數(shù)字分身。

聲音克?。哼€是用客戶提供的說話視頻，用ai克隆出客戶的音色。

短視頻制作工具：

• 核心功能：形象&聲音克隆的視頻素材上傳、短視頻元素設(shè)置（背景+模特+聲音+播報(bào)文本）、合成和下載視頻
• 重大功能：字幕、視頻素材添加、模特自定義設(shè)置（位置/大小/形狀）、視頻效果配置（橫豎屏、清晰度）、真人音頻上傳
• 輔助功能：短視頻素材資源（背景圖資源/字幕樣式資源/貼紙資源/圖片和視頻資源/配樂資源）

五、市場現(xiàn)狀

數(shù)字人做短視頻，確實(shí)有市場需求，抖音上不斷有創(chuàng)作者使用數(shù)字人做短視頻。尤其近一年來，技術(shù)進(jìn)步帶來形象定制費(fèi)用大幅下降，更多人能用得起。2023年一下爆發(fā)出現(xiàn)了很多數(shù)字人短視頻廠商，這里面有自研能力的廠商少，有些僅貼牌代理。所以市面上的數(shù)字人產(chǎn)品，魚龍混雜，產(chǎn)品良莠不齊，價(jià)格較亂。各廠商提供的功能差不多，但數(shù)字人視頻的效果和軟件體驗(yàn)有差異。

2023年有很多廠家進(jìn)來做這個(gè)，但根據(jù)出門問問相關(guān)負(fù)責(zé)人透露的信息，目前數(shù)字人公司幾乎處于投入階段，大部分公司的投入遠(yuǎn)遠(yuǎn)大于收入，要盈利可能還需要一兩年時(shí)間。國內(nèi)做數(shù)字人短視頻的頭部，從視頻效果和市場占有率的角度，個(gè)人認(rèn)為是硅基。據(jù)硅基消息，8000元1個(gè)的克隆，他們賣了上萬個(gè)，頭部廠商的營收大概就是這樣。