成本下降74%、效率提升785%，WAIC上的數字人讓我看到了視頻播客的新可能

作者 | Kino

編輯 | 賴捷

又是一年WAIC。

展館里依舊人山人海，宛如一場大型“科技廟會”。各大展臺都在秀肌肉，尤其是人形機器人、AI眼鏡等展臺，里三層外三層，排隊體驗的觀眾絡繹不絕。

不過，我卻被百度展臺的一段數字人視頻播客給硬控住了。一位量化分析師正和一位科技博主圍繞“扔掉舊地圖，AI見FUTURE”對談。

兩個數字人無論是說話時細微的表情變化，還是配合內容做出的肢體動作，以及兩人之間的互動節奏，都比我印象中的數字人自然了不少。

過去幾年，數字人賽道看起來一直很熱，擁有不少應用場景：直播帶貨、短視頻、企業宣傳……很多人都期待，它能夠代替真人出鏡、提高內容生產效率。

但現實卻有些尷尬，很多數字人一眼假。不過近兩年，技術的進步讓這種尷尬逐漸減少。

還記得之前刷屏的羅永浩數字人直播首秀嗎？去年618期間，羅永浩數字人在直播間里喝奶茶、展示產品、跟助播（朱蕭木數字人）互動。

兩個數字人配合自然，在直播間里互相調侃、異口同聲說話，并頻頻爆梗，刷新了行業對數字人表現力的認知。最終，這場長達6小時的直播吸引了1300萬人圍觀，創造了5500萬元的GMV。

今年世界杯期間，又有了“范志毅實時互動數字人”，作為世界杯的“AI看球搭子”。

AI范志毅的聲音和形象高度擬真，精準復刻了范志毅的上海口音、方言俚語（比如“儂曉得伐”），挑眉、喝可樂等微表情和動作豐富。而且能實時解答世界杯賽事的戰術分析、賽事復盤等專業足球問題，結合賽事熱點進行即興互動和幽默調侃。

而站在WAIC展區時，我更加覺得，數字人的商業價值到了被重估的節點。

我剛看到的數字人對談場景，其實是百度一鏡全新首發的“數字人視頻播客解決方案”。

簡單來說，百度一鏡是百度旗下的一個全場景數字人平臺，它的前身是“慧播星”電商直播工具，今年5月進行了戰略升級。

這次推出的視頻播客解決方案，把數字人和Agent能力進一步融合，試圖打通腳本策劃到成片的整個流程。如果這一方案能夠成熟落地，視頻播客等內容的生產方式，或許會朝著更加標準化、規模化的方向發展。

那么百度一鏡的數字人到底有什么不同呢？

傳統數字人 VS 微表情數字人，

差距不在“皮囊”在“演技”

目前，很多數字人產品都在追求越來越逼真的外觀，但真正影響觀感體驗的，其實是表達和演繹能力。

傳統數字人很多依然停留在照著腳本播報的階段，面對需要互動或表達復雜情緒的場景時，總會讓人覺得少了點“人味”。其中一個很重要的原因就是，數字人缺乏微表情，或是表情切換生硬，缺乏真人流暢自然的微妙變化。

要知道，真人在交流時，會有大量不易察覺的微表情，比如蹙眉、眼神的閃躲等，這些是情感交流的關鍵。傳統數字人技術很難模擬出這些細節，導致數字人看起來缺乏“活人感”，甚至會產生恐怖谷效應。?

那么，和傳統數字人相比，百度的微表情數字人有什么不同？數字人視頻播客的應用潛力又有多大？

來看一段百度一鏡生成的數字人視頻播客片段：

首先是播客布景、陳設的質感非常真實，完全是專業錄制棚既視感。

從視頻中可以觀察到，男嘉賓林深在表達時，眼神和眉毛會隨著語氣的抑揚頓挫流轉和挑動，手勢動作也和發言內容十分契合。

更讓人驚艷的是雙人對談的互動感。當男嘉賓侃侃而談時，左側的播客主持人始終保持著專注的傾聽神態，眼神注視著對方，并伴隨著自然、合乎邏輯的點頭和心領神會的微笑。

再來看這條長達5分鐘的數字人視頻播客，林深和財經女主播曉雯對談“馬斯克為什么AI輸了，估值卻贏麻了？”

這次對談的內容更深度，腳本更完整和精巧。開篇林深就通過制造懸念、打破大眾固有認知來吸引注意力：為什么虧損49個億的SpaceX卻能創下人類史上最大的IPO？其實無論是火箭、星鏈，還是xAI，都無法解釋它的估值神話。

然后把SpaceX比作“下一個英偉達”，只不過是在天上——估值高的真正原因是將航天與AI結合的“太空算力基建”故事。這種類比通俗易懂，大大降低了前沿科技商業模式的理解門檻。

兩個數字人角色定位清晰，分工明確。林深負責輸出專業洞察和數據論證，曉雯負責拋磚引玉，當觀眾嘴替和林深的捧哏。

比如她會代表觀眾提出質疑，并適時總結提煉，以及提供情緒價值（“閉環了”、“丟死人了”、“媽呀太牛了”）。

兩人一來一回，一唱一和，互動感很強，讓原本枯燥的財務和戰略分析，變得如同大公司軼聞一般生動有趣。對話中還使用了大量生活化的口語和互聯網梗，比如“鳥都不鳥”、“硬剛”、“吊打”、“吃老本”、“你太損了”、“跟老羅一樣”。

無論是內容價值還是視聽體驗，上面這兩個案例都代表了數字人在視頻播客中表現的較高水準。

現在我們將視線從臺前轉向幕后，來看看究竟是哪些關鍵技術的迭代，賦予了數字人這種級別的“真人感”。

百度一鏡的技術突破在于，它不再依賴于單一的“開心”或“悲傷”等簡單情緒標簽，來生成數字?的微表情。而是以文心大模型為大腦，像導演一樣，根據人物設定、劇情場景和對話內容，提前規劃好一整套表情表現。

它不僅會考慮人物當下的情緒、表情、動作和聲音等細節，也會結合角色的人設和所處場景，讓最終呈現更加符合人物狀態。

在更細的層面，系統還能做到把人的面部表情拆解成大量可單獨控制的微小動作，對眼神、眉毛、嘴角、面部肌肉等進行精細化控制，因此生成的微表情會更加自然、真實。

當然，文心大模型完成表情規劃后，還需要由數字人專精模型把這些規劃真正呈現出來。

這一步考驗的就是執行能力和速度了，包括：能否把復雜的微表情精準還原？能否在極短時間內完成不同表情之間的自然切換？又能同時表現出多少細節？

目前，百度數字人專精模型支持文本、圖片、語音等多模態輸入作為參考，可以協同控制數百個微表情單元，并把表情變化的時間控制到1秒以內，讓數字人的情緒表達更加實時、自然、流暢。

成本下降74%、效率提升785%， 數字人視頻播客有“錢景”嗎？

這兩年，視頻播客正在成為越來越多創作者和品牌嘗試的新內容形式。

相比圖文和短視頻，它能夠承載更多信息，也更容易建立創作者的人設，因此不少知識博主、財經賬號、品牌機構等都開始布局視頻播客。但與此同時，它也是目前內容生產門檻較高的形式之一。

要做一期高質量的視頻播客，從前期定位、內容策劃，到錄制執行、后期剪輯和包裝，每一個環節都需要投入大量時間和人力。

正式錄制之前，創作者往往需要提前規劃選題，梳理完整的大綱甚至逐字稿，設計好能夠吸引觀眾繼續看下去的鉤子和節奏。

進入拍攝階段之后，布景陳設、攝影設備、燈光、收音，以及多機位切換、現場調度，又會帶來一系列新的成本。錄制結束后，還要經歷剪輯、音效、字幕、包裝等后期流程。

百度一鏡發布的數字人視頻播客解決方案，讓我們看到了一種新的思路。

前面兩個視頻播客案例呈現出的專業視聽語言，背后其實是復刻了真人流水線的多智能體架構。

百度一鏡把編劇、導演、剪輯等環節交給多個AI智能體協同完成，把數字人真正放進一條完整的視頻生產流水線，而不只是負責出鏡。從展示效果來看，它已經能夠支持單人講學、雙人觀點對談等多種視頻播客形式。

根據百度官方實測數據，這套方案讓視頻播客制作成本下降了74%，制作效率提升了785%，而內容表現力的提升也讓平均播放時長上漲了29%。

當然，這些數據還有待更多實際項目持續驗證，但至少說明了一件事：數字人的價值，正在從替真人出鏡，逐漸轉向重構內容生產流程。

未來，隨著微表情、多模態統一、多智能體協同等能力進一步成熟，數字人會不會成為一種新的內容基礎設施？或許是數字人行業下一階段值得討論的話題。

百度一鏡這次升級，提供了一個值得觀察的樣本。它證明數字人已經不只是直播帶貨、新聞播報這樣的標準化應用，也開始具備支撐長效觀點輸出、知識分享、品牌內容生產等更復雜內容形態的能力。

歡迎分享、點贊、推薦

一起研究AI