人物AI视频模特口播实测：让虚拟人物开口讲产品靠谱吗

数字人口播全流程：文案、声音、形象、口型，四步到成片

数字人口播就四步：写文案、选声音、定形象、口型驱动合成，一条60秒视频熟手两小时内出片，成本几十块钱。流程不难，难的是每一步都有小坑，我一个一个说。

第一步文案。60秒视频按正常语速大概是170到180字，别写多，写多了平台会帮你加速，念出来像抢答。我第一版文案让AI写了初稿，然后自己逐句改——AI写的"您好，今天为大家介绍"这种句子全删掉，换成口语。有个细节：文案里写"1980元"，AI会念成"一千九百八十元"，占字数还拗口，直接写"一千九百八"，念着顺。多音字更要命，"这款得买"被念成了"dé 买"，我听完愣了三秒才反应过来哪里不对。

第二步声音。平台自带二十来个预设音色，我试了七八个，选了个少妇感弱、新闻感也弱的中间款。后来开了声音克隆，让同事念十句话采样，二十分钟搞定，克隆相似度我打八十分，尾音有点飘。成本上，声音克隆要单独买套餐，不便宜，量小的队伍用预设音色完全够。

第三步形象。模板库里有职业装男女各十几款，挑一个跟你产品调性搭的就行，中性的最保险——原因后面讲老板那次翻车你就懂。想要定制形象，可以用照片或者一段视频去生成，效果分两极：模板捏出来的稳定，照片生成的看命。

第四步口型驱动。把定稿文案、选好的声音和形象丢进去，渲染一条1080p的60秒成片大概十分钟到一刻钟。第一版我磨了三个半小时，第二周熟练以后，两小时一条，一条的边际成本三十到八十块，包年的话摊下来更薄。我们公司买的年费套餐折算下来一千八左右，十一条做下来，比请同事出镜补拍三遍划算。

口型同步像九成五，情感像五成：数字人的真实水平

口型同步已经接近真人，念参数、念步骤几乎挑不出毛病；但重音、停顿、眼神全是匀速的，情绪上不去。它像新闻联播实习生，字正腔圆，没有灵魂。

先说好的一面。口型对得上，我不夸张，95%以上的口型帧你看不出破绽，只有定格细看个别闭口音才露馅。念参数、念步骤、念规则，这种"信息密度大、情感浓度为零"的内容，数字人念得比我们赶时间的同事还稳，至少不会念错行。

问题出在"气口"。真人口播讲到自己家的产品会不自觉提速、会笑、会在关键数字前停半拍，这些全是下意识的。数字人的处理是均匀的，每句话一个速度，每个重音一个力度，像给PPT配了张会眨眼的脸。我们做过对比：同一段产品参数，数字人版本观众平均看到21秒（65秒的视频，留存32%），同事真人出镜版平均33秒（51%）。差得不离谱，但够肉疼。

有个意外收获反着来：90秒的知识科普版本，数字人完播率27%，比我们预期高。观众对"念知识点"这件事本来就不期待什么火花，匀速反而显得稳。所以我现在的心得是——数字人的情感是平的，那就把它放在情感本来就该平的地方用。

翻车实录：老板的脸做数字人，本人看了都尴尬

用老板真人脸做数字人口播，技术上能跑通，但表情僵硬会反噬本人形象，老板自己看完都要求撤下。能不用真人脸就不用，要用，书面授权、试片确认两步都不能省。

这条必须细讲，因为疼。立项的时候老板拍板："用我的脸，信任感强。"他本人在微信里回了"行，用吧"，我们还补签了一页授权书，写明用途、期限、下架条件——这一步现在看是对的，流程上没毛病。技术上也跑通了，形象生成用了他一段三分钟的视频做底。

片子出来那天，会议室安静了得有十秒。老板的脸，配着匀速眨眼和"微笑-恢复面瘫-微笑"的表情循环，念着"家人们谁懂啊"，老板自己先绷不住："这像我被绑架了念稿。"还有个更微妙的：他脸上有颗痣，渲染版时有时无，评论区要是发现了，就是个现成的梗。这条片子最后没发。

后来换成中性虚拟形象加职业音色，同样的文案重出，心理障碍直接消失——虚拟形象念得平，观众默认它是"工具人"，没有人设包袱；真人脸念得平，观众只会觉得"这人怎么这么假"。想拿真人脸做数字人的，我的建议排个序：能不用就不用；要用，先试片给本人看，本人点头再谈上线；书面授权一步都别省，别学我差点靠微信记录打天下。

什么产品适合让数字人开口，什么产品别碰

标品说明、操作教程、知识科普、活动规则，交给数字人口播划算；人设类、情感故事、强信任背书的内容，老老实实真人出镜。判断标准就一条：这条内容需不需要"人味"。

跑了十一条之后我把手上的内容类型捋成了表，你可以对着自己家的内容清单划一遍：

说句跑题的，我一开始还惦记着"那能不能数字人和真人混着用"——后来发现想多了，混剪的工作量等于两条片，老板不会批双倍预算的。拉回来：拿不准的片子，先做一条30秒的数字人版测留存，数据掉了三成就退回真人，别跟预算赌气。

三周、十一条、一次翻车之后，我对数字人口播的定位很清楚了：它是产线，不是主持人。把重复的、信息型的口播交给它，把人的时间和脸留给真正需要人的地方，这笔账才算会算。至于"数字人取代真人口播"这种话，做了十一条的人不会说——你手里的观众，比任何工具都诚实。