來源|Tech星球

文|王琳

24小時不眠不休，季度GMV超過50萬，拉動訂單量增長超10倍——這不是科幻片，而是百度優(yōu)選主播東北翠花的真實戰(zhàn)績。更重要的是，翠花并沒有額外投入更多的成本，反而使得直播成本大幅度降低。

這其中百度慧播星數(shù)字人起了關(guān)鍵作用——只需要上傳一段3分鐘左右的視頻，最快3小時，便可以生成自己的數(shù)字人直播間。更重要的是，這種“高說服力”數(shù)字人，其聲形超擬真、內(nèi)容更專業(yè)、互動更靈活，實現(xiàn)了數(shù)字人超越真人的體驗。

過去，一個數(shù)字人的制造成本從幾萬到幾百萬不等，因為成本較高，關(guān)于大模型應(yīng)用如何落地的爭論從未停止。但現(xiàn)在，模型能力的進步讓數(shù)字人的成本下降到了百元、千元級別甚至免費，周期也指數(shù)級縮短，效果也更好。

技術(shù)的大規(guī)模下降正在重構(gòu)產(chǎn)業(yè)認知。4月25日，百度創(chuàng)始人李彥宏在Create大會表示，AI數(shù)字人是2025年最令人激動的突破性應(yīng)用之一。因為，任何一個時代，創(chuàng)新的本質(zhì)都來源于技術(shù)平權(quán)。而當AI生產(chǎn)力成本趨近于零，任何個體都能擁有自己的數(shù)字分身，數(shù)字人進入千行百業(yè)，注定引爆百萬級應(yīng)用場景的革命。

0成本開播，人人可享的數(shù)字人

號稱業(yè)界首個AI全棧式數(shù)字人解決方案的慧播星最近上線了一個新功能：一鍵開播，在官方的介紹里，僅憑一部手機，只需要上傳一段2分鐘的真人出鏡視頻，最短3個小時，普通人就可以完成數(shù)字人開播。

按照官方的指引，我們打開了百度APP，搜索“慧播星”，點擊“手機端一鍵開播”、“創(chuàng)建數(shù)字人”變來到了產(chǎn)品首頁，如下圖。

Tech星球首先錄制了一段3分20秒的視頻，我們并沒有準備諸如打光燈、手機支架類的任何設(shè)備，只是用了一部手機，在視頻的錄制過程中，全程露臉。之后，在等待視頻上傳的同時，我們就可以選擇自己的人設(shè)和主題、以及直播腳本。

慧播星準備了4個人設(shè)，包含情感咨詢、讀書分享、健康咨詢、國學風水，比如，隨機選擇讀書分享，AI就自動幫我們生成了一份人設(shè)指南以及直播主題，甚至連直播腳本都寫好了。如果有需要，你還可以自由設(shè)定自己的專屬人設(shè)。

為了測試慧播星的真實水平，我們并沒有選擇這些預(yù)備好的人設(shè)，而是決定自定義，畢竟隨機出題，更能體現(xiàn)AI的能力。我們給自己定義的人設(shè)是，塑身愛好者，尤其擅長解決辦公室久坐造成的各種體態(tài)、體型問題。

至于直播腳本，我們選擇用“AI幫我寫”，整個腳本生成過程不到2分鐘，但卻針對辦公室常見的烏龜頸、扁平臀、大腿粗都有涉及，并給出了解決方案。

這樣一套流程操作下來，就可以靜靜等待專屬數(shù)字人分身開播了。在整個直播制作過程中，無須全程緊盯，制作好會短信通知，頁面也會提示一個大概的開播時間。

市面的數(shù)字人神情呆板、動作木訥、機器音重的并不在少數(shù)，因此我們對慧播星的期待值并沒有很高。但3小時43分鐘后，我們的數(shù)字人直播間制作完成，它的表現(xiàn)大大超出了我們的預(yù)期。

首先，慧播星數(shù)字人的表情、語氣、動作都非常真實，嘴唇弧度完全接近真人、甚至發(fā)型的輪廓清晰到可以看到額前飄過的幾根碎發(fā)。在直播過程中，隨著身體的晃動，頭發(fā)也會隨之自然擺動。

市面上很多數(shù)字人在做動作時，往往不符合人類邏輯。比如直播過程中眼鏡下滑，很多數(shù)字人并繞一大圈去扶眼鏡，而是慧播星可以像人類一樣，直接找到鏡腿，過程中動作絲毫不僵硬。再比如很多主播去撥頭發(fā)時，一些數(shù)字人會在頭發(fā)附近隨便繞一圈，但慧播星生成的數(shù)字人手指會沿著鬢角，全程觸摸到頭發(fā)，按照一定的弧度完成撥頭發(fā)的動作，非常符合人類行為邏輯。

圖注：左側(cè)為真人，右側(cè)為數(shù)字人。

不同于傳統(tǒng)數(shù)字人全程語氣毫無變化的念腳本，在直播時，慧播星數(shù)字人能夠根據(jù)腳本內(nèi)容的含義和語境，自動調(diào)整說話的語氣和強調(diào)。同時，數(shù)字人的面部表情和口唇也會做出相應(yīng)變化，符合觀眾的感知經(jīng)驗。比如當說到“娓娓道來”幾個字時，真人主播嘴唇會輕微翹起，且稍微皺一下眉頭，而數(shù)字人主播也會出現(xiàn)這種完全符合真人行為的微表情變化。

慧播星生成的數(shù)字人不僅僅是像真人，它的直播間的互動表現(xiàn)甚至比真人還要好。在直播過程中，有觀眾進來提問，數(shù)字人會自然地打招呼，并一種充滿熱情地語調(diào)表示“歡迎XX來到直播間”。更重要的是，它會及時回答問題，而且互動有趣。比如，有觀眾問，如何讓大腿根變瘦。主播會表示自己曾經(jīng)也有這樣的困擾，回答完后，還會提醒觀眾繼續(xù)提問。

這樣一套流程下來，即便你從未有過直播經(jīng)驗，沒有動輒上萬的專業(yè)設(shè)備，完全可以在不花一分錢的情況下，開啟自己的直播首秀，并且它的效果完全不亞于，甚至超越真人。對于中小企業(yè)而言，慧播星讓他們徹底甩開了成本負擔，可以放開手腳去探索更多業(yè)務(wù)。

慧播星的出現(xiàn)，讓數(shù)字人不再是實驗室里高高在上的技術(shù)，企業(yè)發(fā)布會的空頭支票，而是切切實實讓技術(shù)普惠到每一個普通人，數(shù)字人也真正迎來了屬于自己的DeepSeek時刻。

技術(shù)平權(quán)背后，大模型讓數(shù)字人“降本增效”

在大模型出現(xiàn)以前，數(shù)字人技術(shù)經(jīng)歷了從建模、綁定、渲染到語音交互、自然語音處理、視覺技術(shù)等多次迭代，但他們都未能大規(guī)模降低數(shù)字人的成本和周期。制作一個數(shù)字人往往需要幾萬元甚至數(shù)百萬元，周期以月為單位，并且效果欠佳。

大模型技術(shù)的進步徹底改變了這一敘事。以百度慧播星為例子，其數(shù)字人的成本已經(jīng)是去年的三分之一，并且效果更好。

數(shù)字人主播得以更專業(yè)的前提之一，便是以DeepSeek R1、文心4.5、X1等大語言模型的能力大幅度提高，這讓數(shù)字人的腳本能力得以大幅度提升。現(xiàn)在，AI完全可以根據(jù)直播間的人設(shè)來完成不同風格的腳本，比如一個醫(yī)生需要專業(yè)且謹慎，一個電商主播可以引經(jīng)據(jù)典介紹商品。

這很大程度上解決了，真人主播受限于文化水平、語言表達能力，直播講解商品時參差不齊的情況。

但這還不足以讓數(shù)字人超越真人主播，畢竟真人直播間最重要的是，主播的語氣、動作、臨場反應(yīng)，這也是實現(xiàn)高說服力的關(guān)鍵突破點。

此次慧播星數(shù)字人非常重要的一次迭代便是由腳本模式升級為劇本模式。在該模式下，數(shù)字人主播可以根據(jù)劇本內(nèi)容實時調(diào)整語調(diào)、表情和動作，比如講解《鋼鐵是怎么煉成的》可以激情澎湃，講到關(guān)鍵情節(jié)時，可以“揮舞拳頭”表達主人公的情緒；講《我的阿勒泰》可以像作者一樣娓娓道來，這些不同的情感，都可以通過劇本模式，根據(jù)語言情境生成，并且可以做到情緒轉(zhuǎn)折、動作切換順暢。

這還不夠。一個真實的直播間，除了主播，往往還有助播、場控、運營等角色打配合。為此，慧播星給數(shù)字人配備了一個可以自主決策的AI大腦，它可以像人一樣具備感知和決策的能力。

在現(xiàn)實的直播情境下，直播間內(nèi)往往會出現(xiàn)多個用戶對同一個商品感興趣，要求主播快點講解的情況。數(shù)字人收到信號后，就會調(diào)度視頻來呈現(xiàn)用戶想要看到的商品講解畫面，跟用戶實時互動講解商品。

當講解完后，數(shù)字人發(fā)現(xiàn)用戶的購買熱情很高，便會調(diào)動營銷專家來發(fā)紅包，給出一定的優(yōu)惠政策，同時調(diào)動助播專家調(diào)節(jié)氣氛，以此完成商品的最大轉(zhuǎn)化。這里的每個專家都不是真人，它們是一個一個Agent，只需要一個調(diào)度，直播間便可以實現(xiàn)多個Agent的協(xié)同，實現(xiàn)毫秒級的響應(yīng)。從這個角度講，一個數(shù)字人可以同時干至少3個人的活，其直播水平已經(jīng)超越了真人直播間。

在此前今年3月，百度就曾面向商家客戶推出了“一鍵克隆”功能，只需上傳一段直播回放錄屏或一段真人出鏡短視頻，即可生成與真人無異的數(shù)字人分身，聲音形象和直播間裝修都可以準備好，實現(xiàn)了開播零門檻。

更重要的是，憑借自研多模態(tài)算法，慧播星攻克了360度大角度側(cè)轉(zhuǎn)、遮擋以及手持等數(shù)行業(yè)難題，借此服飾主播可以手持商品，通過大角度側(cè)轉(zhuǎn)、大幅度動作，讓觀眾看清每一個細節(jié)，提高轉(zhuǎn)化率。

百度慧播星數(shù)字人的表現(xiàn)也獲得了IDC的高度評價。近期發(fā)布的《中國AI Agent之電商直播數(shù)字人實測，2Q25》報告顯示，百度慧播星綜合實力排名行業(yè)第一，五項測評指標中，百度慧播星在技術(shù)能力、產(chǎn)品表現(xiàn)、平臺合規(guī)與穩(wěn)定性、客戶服務(wù)四項均位列第一。

這一套組合拳下來，過去一年，慧播星數(shù)字人主播數(shù)量累計超過10 萬，其展現(xiàn)出來的高說服力也帶來了顯著的收益，大盤來看數(shù)字人直播轉(zhuǎn)化率提升了31%，降低了80%的開播成本。

當數(shù)字人開始接管商業(yè)世界

今年4月，李彥宏在百度25周年的全員信中明確指出，大模型賦能的AI原生應(yīng)用將在2025年繼續(xù)井噴式增長。

在Tech星球看來，AI原生應(yīng)用爆發(fā)的前提需要滿足三個條件：落地成本大幅下降、產(chǎn)品能力和效果顯著提升，且場景多元。4月25日，Create2025百度AI開發(fā)者大會的高說服力數(shù)字人恰好完全滿足，其實績也非常抗打。

今年春節(jié)期間，數(shù)字人讓主播們放了個好假，但同時商家卻并沒有因此業(yè)績下滑。據(jù)Tech星球不完全統(tǒng)計，今年百度優(yōu)選年貨節(jié)期間，蘇寧易購超級買有10場直播，其中5場直播超過18個小時，有些甚至達到了24小時，這些直播里，幾乎全部由數(shù)字人主導(dǎo)，他們貢獻了遠超真人直播的業(yè)績，數(shù)據(jù)顯示年貨節(jié)期間，該直播間GMV突破了300萬，訂單量同比提升了50倍。

銷售額大幅提升的同時，企業(yè)并沒有額外支出更多成本，甚至因為用了數(shù)字人，成本還下降了。企業(yè)對數(shù)字人的態(tài)度也從此前的觀望逐漸轉(zhuǎn)向擁抱，他們有了底氣探索更多的賽道，公司的天花板也更高了。

數(shù)字人也正在從電商場景拓展開來。在百度上，用戶可以看到主攻孩子抑郁、厭學等情緒的觀心實驗室；提供旅游服務(wù)的輕松游旅行等都在使用數(shù)字人直播。未來景區(qū)里既可以講解歷史，又能直播帶貨的數(shù)字人AI導(dǎo)游；孤獨經(jīng)濟下的AI陪伴直播等等，數(shù)字人未來完全有可能滲透到人類生活中的方方面面。

這并非個例，而是技術(shù)發(fā)展的必然。a16z 發(fā)布 AI Avatar 數(shù)字人的最新報告，報告預(yù)測：現(xiàn)在底層模型的技術(shù)水平已經(jīng)顯著提升，能夠生成質(zhì)量較高、觀看體驗較好的 AI 虛擬形象，因此可以肯定地說，應(yīng)用層面將迎來快速發(fā)展的機遇，預(yù)計該領(lǐng)域?qū)⒃杏龆鄠€價值數(shù)十億美元的公司。

現(xiàn)在來看，數(shù)字人應(yīng)用的爆發(fā)已跨越技術(shù)驗證期，正邁入規(guī)模化落地的新臨界點。2025年，數(shù)字人將像水電一樣滲透生活，極低的成本和不輸真人的效果很有可能讓它成為企業(yè)嘗試擁抱大模型和應(yīng)用大模型最好的入口之一。這不是未來，而是正在發(fā)生的現(xiàn)實。