D026-AI数字人

本指南中的收入数字与案例来自第三方作者的自述分享，仅供参考，不构成收益承诺。

---

一、基础信息

---

二、收入情况

2.1 三条路线对比

核心判断：数字人解决的是"产能"问题，不解决"内容好不好"的问题。所以先有内容能力，再上数字人。

---

三、投入成本

3.1 工具链

3.2 ⚠️ 成本陷阱

1. 别一上来做代理：代理费可能极高，而工具方随时改政策；自述者选择自建后端，前期投入近六位数——这不是新手该走的路
2. 别用完全免费的工具做交付：画质/动作/音色差 → 观众出戏 → 影响账号
3. 别把数字人当思考替代品：数字人是"放大器"，内容策略仍需人做
4. 按分钟计费要算账：长视频矩阵会快速烧钱

---

四、能力体系

4.1 数字人技术路径（两种主流）

4.2 决定成败的三个技术点

4.3 内容策略（比技术更重要）

• 内容策略 > 盲目堆量：做很多"无效内容"反而浪费精力
• 素材库 + 选题库：用飞书 + AI 工具搭建，让"有效内容的持续输出"成为常态
• 人设一致性：用 AI 智能体训练"符合自己人设/语感"的写作风格，避免"AI 味"过重
• 明确个人定位：用 Gemini 做自我探索 → 倒推目标受众与平台

---

五、完整实操 SOP

阶段 1 · 定位与人设（2–3 天）

1. 用 AI 智能体（如 Gemini）做自我探索：我擅长什么？我想影响谁？
2. 明确三个问题：
3. 目标受众是谁
4. 内容风格是什么（专业/亲和/犀利）
5. 在哪个平台主发（视频号/抖音/小红书/YouTube）
6. 判断标准：能用一句话说清「我是谁、给谁看、解决什么问题」

阶段 2 · 采集高质量素材（1 天，一次性）

录制要求（决定数字人像不像你）：

1. 环境：光线充足、背景干净且统一、无杂音
2. 机位：固定不动，人物居中，与日常口播相同构图
3. 动作：对着镜头自然说话，或按平台指引说固定口令 / 保持静默
4. 节奏：刻意放慢语速、清晰吐字（便于口型对齐）
5. 时长：按平台要求，通常几十秒到几分钟
6. 多录几段：不同情绪/不同服装，方便后续切换

判断标准：素材画面清晰、光线稳定、口型清晰可辨。

阶段 3 · 声音克隆 + 文案生产

声音克隆：

1. 按平台要求录制 1–5 分钟清晰语音（读平台提供的文本）
2. 生成音色模型 → 试听对比是否像自己
3. 判断标准：不看画面只听声音，朋友能认出是你

文案生产：

• 用 AI 智能体按你的语感生成文案（先喂 5–10 篇你自己的旧文案作为风格样本）
• 文案要求：口语化、有气口、避免书面语长句（TTS 念长句会崩）
• 判断标准：读出来像人说话，不像念稿

阶段 4 · 生成视频

1. 选择场景/形象（用已录素材）
2. 粘贴文案 → 选择克隆音色 → 生成
3. 等待生成（通常几分钟）→ 预览检查口型与音频是否同步
4. 不满意就重生成（多抽几次）
5. 判断标准：口型基本同步、无明显错位、表情自然

阶段 5 · 剪辑与分发

1. 用开拍等工具做一键剪辑（自动字幕、节奏裁剪）
2. 加封面、标题、话题标签
3. 多平台分发（抖音/视频号/小红书/B 站等）
4. 判断标准：单条从"生成"到"发布"总耗时 <30 分钟

阶段 6 · 矩阵与放大

• 同一素材可产出多条不同文案的视频
• 多账号矩阵分发（注意平台规则与账号关联风险）
• 判断标准：日产 3–5 条以上且质量稳定

---

六、合规与风险（本方向最大坑）

---

七、避坑清单

1. 没有内容能力就想靠数字人赚钱 → 放大器放大的是 0
2. 用免费工具做交付 → 观众出戏
3. 素材录制潦草 → 生成的口型/表情全废
4. 文案写成书面语 → TTS 念出来假
5. 直接买代理 → 高投入高风险
6. 数字人直播不查规则 → 封号
7. 只堆量不筛选 → 无效内容浪费精力
8. 不用自己的形象/声音 → 法律风险
9. 忽视"人感" → 观众觉得 AI 味重就划走

---

八、匹配度分析

---

九、试错成本

最小可验证试验（MVT）

拿 0 元 + 3 小时，做：录 1 段素材 + 克隆音色 + 生成发布 1 条数字人视频，在 1 周内看 至少 3 个朋友能否分辨真人与数字人。分不出 → 效果达标；一眼假 → 改素材与音色。

止损线

• 金额止损：工具订阅/代理费累计超 500 元（代理建议直接不碰）仍无产出 → 停
• 次数止损：连续 20 条视频播放没起色 → 问题在内容而非工具
• 时间止损：投入 60 小时仍无法稳定日更 → 重新评估产能
• 合规止损：收到平台 AI 标注/违规提示 → 立即整改

沉没成本可逆性

部分可逆：✅ 素材、音色模型、模板可长期复用（核心资产）；❌ 订阅费不可回收；❌ 代理费基本打水漂；⚠️ 肖像/声音素材属自己的，可迁移到其他平台与工具。

成功率依据

• 来源给出工具可行性与案例，但无成功率数据 → 估算，无来源支撑
• 判断依据：数字人技术已可用（口型同步基本达标），门槛在于内容与定位；纯做工具的竞争激烈，做应用仍有空间

一句话结论

「这是一个 轻 试错的方向：先花 0 元 和 3 小时，生成 1 条数字人视频，最多试 20 条，没效果就说明问题在内容不在工具。」

---

十、执行检查清单

定位期

• [ ] 能用一句话说清「我是谁、给谁看、解决什么问题」
• [ ] 已用 AI 智能体做自我探索与受众倒推
• [ ] 主发平台已确定

素材期

• [ ] 素材在光线充足 + 背景统一 + 机位固定条件下录制
• [ ] 语速刻意放慢、吐字清晰
• [ ] 素材画面/口型质量已自检

音色期

• [ ] 已录制 ≥1 分钟清晰语音并完成音色克隆
• [ ] 朋友盲听能认出是自己

内容期

• [ ] 文案已按自己语感生成（喂过 5–10 篇旧文案）
• [ ] 文案口语化、无超长书面句
• [ ] 已建立选题库（AI + 飞书）

成片期

• [ ] 口型与音频基本同步
• [ ] 表情自然、无明显僵硬
• [ ] 单条从生成到发布 <30 分钟

合规期

• [ ] 形象与音色均为自己（或已获授权）
• [ ] 已按平台要求标注 AI 生成内容
• [ ] 若做直播，已确认平台规则