数字人

以下是制作以自己为蓝本，包括人物和声音的数字人用来录制课程的方法： 1. 生成数字人： 在剪映右侧窗口顶部打开“数字人”选项，选取免费且适合的数字人形象，如“婉婉青春”。选择数字人形象时会播放其声音，可判断是否需要，然后点击右下角“添加数字人”将其添加到当前视频中，软件会生成对应音视频并添加到视频轨道中，左下角会提示渲染完成时间，完成后可点击预览按钮查看效果。 2. 增加背景图片： 可删除先前导入的文本内容，为视频增加背景图片。点击左上角“媒体”菜单并点击“导入”按钮选择本地图片上传，如一张书架图片，点击图片右下角加号将其添加到视频轨道上（会覆盖数字人）。为让图片在整个视频播放时都显示，点击轨道最右侧竖线向右拖拽至与视频对齐。 3. 增加字幕： 点击文本智能字幕识别字幕，点击开始识别，软件会自动将文字智能分段并形成字幕。 4. 换脸： 若希望数字人换成自己的面孔，需要用另一个工具进行换脸。 第一步：打开谷歌浏览器，点击链接 https://github.com/facefusion/facefusioncolab 并点击 open colab 进到程序主要运行界面，在右上角点击“代码执行程序”选择“全部运行”，无需安装和付费，点击红框对应的 URL 打开操作界面。 第二步：点击“source”上传自己的照片和“target”上传之前的剪映数字人视频，保持默认参数，点击“START”生成。 第三步：等待专属数字人视频出炉。 有关数字人使用上的问题，欢迎在底部评论区留言交流。同时如果对数字人课程感兴趣，欢迎查看通往 AGI 之路 X AI 沃茨的《克隆你自己》课程： 课程内容： 在线观看第一节：https://www.bilibili.com/video/BV1yw411E7Rt/?spm_id_from=333.999.0.0

以下是一些好用的数字人工具，效果好、清晰、不违和且免费： 1. 开源且适合小白用户的工具： 特点：一键安装包，无需配置环境，简单易用。 功能：生成数字人视频，支持语音合成和声音克隆，操作界面中英文可选。 系统兼容：支持 Windows、Linux、macOS。 模型支持：MuseTalk（文本到语音）、CosyVoice（语音克隆）。 使用步骤：下载 8G+3G 语音模型包，启动模型即可。 GitHub： 官网： 2. Google Veo 2： 效果：生成的视频接近真实，几乎难以分辨。 应用：适合创作和内容制作。 3. HEYGEN： 优点：人物灵活，五官自然，视频生成很快。 缺点：中文的人声选择较少。 使用方法： 1. 点击网址注册后，进入数字人制作，选择 Photo Avatar 上传自己的照片。 2. 上传后效果如图所示，My Avatar 处显示上传的照片。 3. 点开大图后，点击 Create with AI Studio，进入数字人制作。 4. 写上视频文案并选择配音音色，也可以自行上传音频。 5. 最后点击 Submit，就可以得到一段数字人视频。 4. DID： 优点：制作简单，人物灵活。 缺点：为了防止侵权，免费版下载后有水印。 使用方法： 1. 点击上面的网址，点击右上角的 Create vedio。 2. 选择人物形象，你可以点击 ADD 添加你的照片，或者使用 DID 给出的人物形象。 3. 配音时，你可以选择提供文字选择音色，或者直接上传一段音频。 4. 最后，点击 Generate vedio 就可以生成一段视频。 5. 打开自己生成的视频，可以下载或者直接分享给朋友。 5. KreadoAI： 优点：免费（对于普通娱乐玩家，这很重要），功能齐全。 缺点：音色很 AI。 使用方法： 1. 点击上面的网址，注册后获得 120 免费 k 币，这里选择“照片数字人口播”的功能。 2. 点击开始创作，选择自定义照片。 3. 配音时，你可以选择提供文字选择音色，或者直接上传一段音频。 4. 打开绿幕按钮，点击背景，可以添加背景图。 5. 最后，点击生成视频。 更多数字人工具请访问网站查看：https://www.waytoagi.com/category/42 。请注意，这些工具的具体功能和可用性可能会随着时间和技术的发展而变化。在使用这些工具时，请确保遵守相关的使用条款和隐私政策，并注意保持对生成内容的版权和伦理责任。

搭建自己的直播数字人平台可以参考以下步骤： 1. 了解相关技术和场景： 熟悉企业端 AI 实践经验，包括 AI 生成爆款内容、公域阵地场景（如视频号、抖音、小红书、公众号等平台的营销推广，涉及矩阵号工具、内容抓取分析、脚本创作、AI 剪辑、自动回复评论、无人直播工具等）、私域阵地场景（朋友圈、小红书、社群、个人 IP 的获客转化，销售企微 SCRM 工具、企业智能体进行 AI 内容抓取和自动回复）、服务自动化工具、快速搭建数据分析看板、跨境电商场景（如 tiktok 视频制作及投放、电商图片设计、精准营销、语言翻译、AI 独立站建设、社媒私域、批量混剪、海外达人直播、无人直播等）。 2. 构建数字人躯壳： 可以使用 web 前端页面（Live2D 提供了 web 端的 SDK）或者 Native 的可执行程序进行部署。 例如开源数字人项目选择 live2d 作为数字人躯壳，其驱动方式相比 AI 生成式更加可控和自然，相比虚幻引擎更加轻量和简单，卡通二次元形象接受度更高。可参考 Live2D 官方示例：https://github.com/Live2D 。 3. 延伸阅读相关资料： 参考政策如《互联网信息服务深度合成管理规定》（http://www.gov.cn/zhengce/zhengceku/202212/12/content_5731431.htm ）、《北京市促进数字人产业创新发展行动计划》（https://www.ncsti.gov.cn/kjdt/scyq/zcwj_47/202209/P020220906666181884578.pdf ）等。 了解应用如《一键拥有自己的 AI 虚拟人合成平台》（https://mp.weixin.qq.com/s/EhukdKOlHYJGwHBldGi4Q ）、《使用 AI 工具生成虚拟数字人（视频）》（https://www.bilibili.com/video/BV1Tb411D7fo/?spm_id_from=333.337.searchcard.all.click&vd_source=2c5fdcdac5fea78671c3a8ebd9a134d3 ）等。

以下是关于数字人直播的相关信息： 会议讨论： 目前数字人在电商直播上有所探索，做电商直播可能只是因为前期宣传及未发现其他更好场景。 数字人在电商领域不能成为壁垒，配套的运营服务才是关键，续费客户多因服务而非数字人本身。 电商直播分达播和店播，数字人直播在店播中的效果较好，数据能与真人相当。 不建议商家依赖数字人，现阶段数字人服务多为辅助。 盈利方式： 直接卖数字人工具软件，实时驱动的一年 4 6 万往上，非实时的一个月 600 元，市场价格混乱。 提供数字人运营服务，按直播间成交额抽佣。 适用品类和场景： 适用于不需要强展示的商品，如品牌食品饮料；不适用于服装，过品快且建模成本高。 适用于虚拟商品，如门票、优惠券等。 不适用于促销场景，涉及主播话术、套路及调动氛围能力等。 店播场景下数字人直播效果较好。 壁垒和未来市场格局： 长期看技术上无壁垒，目前有技术门槛，如更真实对口型、更低响应延迟等。 不会一家独大，可能 4 5 家一线效果，大多二三线效果公司。 把客户服务好、能规模化扩张的公司更有价值，疯狂扩代理割韭菜的公司售后问题多。 有资源、有业务的大平台下场可能带来降维打击。 数字人简介： 数字人是运用数字技术创造出来的，虽现阶段不能高度智能，但在生活场景中已常见，且随 AI 技术发展迎来应用爆发。业界尚无准确定义，一般可分真人驱动和算法驱动两类。真人驱动的数字人重在通过动捕设备或视觉算法还原真人动作表情，应用于影视和直播带货，表现质量与建模和动捕设备相关，视觉算法进步使无昂贵设备也能有不错效果。

以下是寻找制作 AI 数字人相关资料和教程的途径： 1. 在线文档和公众号：可以查看。 2. B 站：在 B 站搜索相关视频教程。 3. 具体操作方法： 在剪映中，右侧窗口顶部打开“数字人”选项，选取免费且适合的数字人形象，如“婉婉青春”。选择数字人形象时，软件会播放其声音，可判断是否需要，点击右下角“添加数字人”将其添加到当前视频。剪映会根据提供的内容生成对应音视频并添加到轨道中，左下角会提示渲染完成时间，可点击预览查看效果。 为让视频更美观，可增加背景图片。删除先前导入的文本内容，点击左上角“媒体”菜单并“导入”按钮选择本地图片上传，将图片添加到视频轨道上，可通过拖拽轨道右侧竖线使其与视频对齐。 此外，还有一些开源的算法代码仓库可供参考： 1. ASR 语音识别： openai 的 whisper:https://github.com/openai/whisper wenet:https://github.com/wenete2e/wenet speech_recognition：https://github.com/Uberi/speech_recognition 2. AI Agent： 大模型包括 ChatGPT、Claude、ChatGLM、文星一言、千帆大模型、通义千问等。 Agent 部分可使用 LangChain 的模块去做自定义，包含了 Agent 实现的几个组件 3. TTS： 微软的 edgetts：https://github.com/rany2/edgetts，只能使用里面预设的人物声音，目前接口免费。 VITS：https://github.com/jaywalnut310/vits，还有很多分支版本。 sovitssvc:https://github.com/svcdevelopteam/sovitssvc，专注到唱歌方面。 除了算法，人物建模模型可以通过手动建模实现，但这种简单的构建方式还存在一些问题，如如何生成指定人物的声音、TTS 生成的音频如何精确驱动数字人口型以及做出相应动作、数字人如何使用知识库做出某个领域的专业性回答等。

以下是关于视频号数字人的相关内容： 制作方法： 1. 准备内容：先准备一段视频中播放的文字内容，如产品介绍、课程讲解、游戏攻略等，也可利用 AI 生成。 2. 创建视频内容：使用剪映 App 进行简单处理。电脑端打开剪映 App，点击“开始创作”，选择顶部工具栏中的“文本”，点击默认文本右下角的“+”号添加文字内容轨道，将准备好的文字内容替换默认文本内容，为数字人提供语音播放内容及生成相应口型。 3. 生成数字人：在显示区域，拖动背景图的一个角将图片放大到适合尺寸，覆盖视频窗口，并将数字人拖动到合适位置。增加字幕，点击文本 智能字幕 识别字幕，点击开始识别，软件会自动将文字智能分段并形成字幕。完成后点击右上角的“导出”按钮，导出视频以作备用。若希望数字人换成自己希望的面孔，需用另一个工具来进行换脸。 类型和应用场景： 1. 二维/三维虚拟人：用于游戏、IP 品牌（柳夜熙）、内容创作（）等。 2. 真人形象数字人：用于直播卖货，营销/投流广告视频录制（Heygen）、语言学习（CallAnnie）等。 价值： 1. 代替人说话，提升表达效率和营销效率，如真人无法 24 小时直播，数字人可以。 2. 创造真实世界无法完成的对话或交流，例如 AI talk 的实验探索，复活故去的亲人等。 面临的问题： 1. 平台限制：目前数字人水平参差不齐，平台担心直播观感，有一定打压限制。如抖音出台一些标准，微信视频号容忍度更低，人工检查封号。 2. 技术限制：形象只是皮囊，智能水平和未来想象空间依赖大模型技术提升。 3. 需求限制：直播带货是落地场景，但不刚需。“懂得都懂”的刚需场景，国内搞不了，目前更多是体验新鲜感。 4. 伦理/法律限制：声音、影像版权等，比如换脸、数字永生等。