数字人既可以是按脚本讲解的视频人物，也可以是 3D 动画角色或对话式助手。对于产品演示、解说和培训，AI 视频虚拟人通常是实用的起点：准备内容、选择讲解员，再配上观众需要的画面。本文介绍数字人的技术原理，以及在 TapVid 中从虚拟人或视频模板开始制作的方法。
01
数字人如何工作？
数字人技术将视觉形象与驱动其动作的方法结合起来。语音和对话是另外的层次。角色可以不使用生成式 AI 就呈现人类外观；会说话的虚拟人也可以只照着固定脚本讲述，并不理解观众。
- 计算机图形学与 3D 渲染：美术人员或创建工具制作身体、面部、皮肤、头发和服装。骨骼绑定是一组用于驱动角色的控制器；渲染则将场景转成图像。Epic Games 的 MetaHuman 文档介绍了创建和驱动已绑定数字人的框架。
- 生成式 AI：部分视频系统根据肖像、表演参考或其他输入生成连续画面。这可以减少手工建模的需求，但不代表输出包含可编辑的 3D 身体模型。
- 语音合成：文本转语音将脚本转换为语音表演。其他工作流程也可以使用录音。选择一种合成声音，与克隆某个特定人物的声音，是两种不同操作。
- 面部动画与口型同步：系统根据音频或捕捉的表演驱动嘴部形状和面部动作。措辞正确、口型合理、表情恰当，是需要分别检查的项目。
- 交互式 AI：对话系统可能增加语音识别、语言模型、知识来源和回答控制机制。NVIDIA 的数字人概览将它们描述为交互技术栈的不同组成部分，而不是所有虚拟人视频都具有的属性。
预录制讲解员视频的实用流程是：脚本 → 语音 → 动画讲解员 → 成片。实时助手还必须接收问题、决定回答内容，并以足够快的速度回应，才能形成对话。仅有实时图形渲染并不能提供这种能力。
02
数字人的类型，以及与 AI 虚拟人的区别
选择数字人时，先明确需要什么输出。下面三种常见方式可以重叠：交互式助手可以采用 3D 角色，视频讲解员也可以由照片生成。
| 制作方式 | 适用场景 | 输出特点 |
|---|---|---|
| AI 视频虚拟人 | 解说、产品演示、培训 | 讲解员在成片中讲述预先准备的脚本。 |
| 3D 数字人 | 游戏、视觉特效、仿真 | 经过骨骼绑定的角色，可以制作动画并从不同视角渲染。 |
| 交互式数字人 | 实时支持、引导式服务、对话练习 | 角色连接回答系统，能够处理新问题。 |
数字人强调人类形象或行为的数字呈现。AI 虚拟人强调利用 AI 创建、驱动或控制形象，也可以是风格化或非人类角色。外观像真人的 AI 讲解员同时属于两者。这些概念有重合，并非固定的技术标准。
数字孪生的目的不同：它为特定的现实实体或系统建立模型。NIST 的定义并不限于人的外貌。虚拟人即使长得像某个人，也不会因此获得对方的知识、判断力或记忆。
03
数字人视频适合哪些场景？
视频虚拟人最适合可以提前撰写和审核的内容。为讲解员设定明确的角色，再用相关画面把解释讲具体。
- 产品演示：介绍任务、展示真实界面，再解释每一步操作。在产品演示视频中，将讲解员与最新录屏结合。
- 解说与营销视频：用讲解员串联问题、解决方案和下一步行动。SaaS 解说视频应展示产品如何工作；发布视频则可以聚焦一个新亮点。
- 员工培训：将已审核的入职、政策或流程材料制作成短课，并保持讲解员形象一致。了解适用于团队培训的内部赋能视频。
- 教育内容：介绍概念、讲解示例，再让学习者尝试练习。字幕、图解和提问机会仍然不可缺少。
实时客服属于交互式流程，需要知识来源、回答控制和人工转接机制。预先生成的讲解视频传递固定内容，不会回答新问题。
04
如何在 TapVid 中制作数字人视频
希望先确定讲解员时，可以从 TapVid AI Avatar开始。选择公共虚拟人，或用已获授权的照片创建形象，再围绕要传达的内容制作视频。
使用 AI 虚拟人制作视频
- 1
准备素材
写清视频面向谁、希望他们学会什么，以及下一步该做什么。准备已审核的脚本，以及解释内容所需的截图、幻灯片或产品视频。创建自定义虚拟人时，使用有权使用的清晰照片，支持最大 10 MB 的 JPG/JPEG、PNG 和 WebP 文件。
- 2
选择或创建讲解员
打开 Avatars 浏览公共讲解员，或选择 New Avatar / Create from a photo。创建自定义形象时，上传照片、确认必要授权，并完成照片检查。查看预览，为虚拟人命名并保存。
- 3
添加讲解员和内容
选择 Create video，将虚拟人带入视频编辑入口。说明受众和用途、添加来源材料，并检查语言和声音。脚本应聚焦一个有用的结果，避免罗列所有功能。
- 4
生成并检查
继续制作流程，审核其中的脚本或分镜确认步骤。带声音观看完整视频，检查发音、面部动作、字幕，以及画面与旁白是否对应。分享前修改不清楚的部分。
- 5
导出成片
视频就绪后，打开 Export，从账户可用选项中选择。按观众实际使用的设备和观看尺寸检查导出的文件。
05
从视频模板开始制作
希望直接使用现成的视频结构时，可以从模板开始。选择支持虚拟人的模板，再根据主题调整内容，无需从零规划每个场景。
使用模板制作视频
- 1
选择模板
打开 TapVid 模板库，浏览视频模板。选择适合内容的虚拟人形式，例如产品介绍或简短解说。
- 2
替换成自己的内容
填入内容、选择讲解员，并换上自己的辅助素材。让旁白与画面始终围绕同一个重点。
- 3
生成并检查
生成视频，带声音观看，并在导出前检查措辞、节奏和场景切换。
示例：A Friendly First Look。这段 32 秒的视频结合了坐姿数字讲解员和产品界面片段。讲解员引出内容，屏幕画面提供可跟随的具体信息。数字人由此成为完整视频的一部分，与辅助画面共同完成解释。
06
数字人示例：从脚本到讲解视频
下面是一个更简单的示例：TapVid 公共虚拟人 Leo 搭配英文脚本，展示最基本的制作单元——由讲解员传达预先准备的内容。
完整输入脚本保留原始英文：“This is a digital human video, created from a public avatar and a written script. For a product demo, show the real interface while the presenter explains the next step. Review the words, voice, and mouth movement before you publish.” 其内容说明这是由公共虚拟人和文字脚本生成的视频，建议产品演示展示真实界面，并在发布前检查措辞、声音和口型。
输出是一段 15.04 秒的竖屏视频。制作产品演示或课程时，可以将这类讲解片段与对应的界面、图解或示例组合。围绕观众需要看到的内容撰写旁白，并为辅助画面留出展示空间。
07
数字人的优势与局限
AI 视频虚拟人可以减少重复拍摄，为系列内容保持一致的讲解员形象，也便于制作修改后的脚本。它尤其适合需要统一视觉形象的系列课程、产品更新和解说视频。
制作重点会转向准备和审核。你仍然需要准确的脚本、有用的画面，以及对最终内容负责的人。修改一句话可能需要重新生成，讲解员的动作和节奏也可能在不同片段中变化。
- 画面质量：以正常速度检查口型、牙齿、眨眼、面部边缘和手势。可信的静帧不保证动作同样自然。
- 声音质量：用实际脚本检查发音、口音、节奏和语气。照片提供外观，不提供匹配的声音。
- 信任与授权：使用真人肖像、声音和身份时，应取得适当许可。如果观众可能误以为是真人录制，应清楚说明合成呈现。不要编造客户证言。
- 受众适配：请实际使用培训内容的人试学，提供字幕或文稿，并检查理解情况。如果核心是个人证言、敏感沟通或细腻情感，应选择真人讲解员。
根据任务选择形式：TapVid 的虚拟人流程用于制作讲解视频；实时对话和可编辑的 3D 角色需要不同的系统。清晰的解说通常来自聚焦的脚本、合适的讲解员，以及能够展示重点的画面。
08
常见问题
以下回答帮助你判断如何将数字人用于视频。
数字人与 AI 虚拟人有什么区别？
数字人呈现人类的外观或行为。AI 虚拟人利用 AI 创建、驱动或控制，可以像真人，也可以采用风格化设计。外观像人的 AI 视频讲解员可以同时属于两者，但两个名称都不保证实时对话能力。
可以用照片创建数字人吗？
可以，前提是产品支持照片创建虚拟人。在 TapVid 中，可用已获授权的照片创建并预览自定义形象。照片不会自动提供匹配的声音、可编辑的 3D 角色或实时助手。
需要 3D 建模技能吗？
在托管的视频虚拟人流程中，选择讲解员并提供脚本即可，不需要 3D 建模。为游戏、虚拟制片或 3D 仿真定制角色是另一项工作，可能需要绑定、动画和渲染技能。
数字人就是 AI 生成视频吗？
不是。AI 生成视频可以展示产品、风景、图表或其他不含人类形象的主题。数字人也可以用传统计算机图形技术制作，由演员驱动，而非根据提示词生成。
上传照片会同时克隆当事人的声音吗？
不会。外观和声音是不同输入。为视频选择合适的声音；使用真人声音时，应单独取得相应许可。仅凭肖像无法还原对方的说话方式。
如何检查数字讲解员是否自然？
使用实际计划采用的脚本、语言和面孔制作短样本，检查发音、节奏、口型和表情，并请目标观众评价是否清楚。一个成功样本不能预测之后每次生成的结果。
