AI 数字人最容易踩的坑，是拿直播的方案去做客服，或者拿口播的方案去做直播。三种活考的能力不一样：口播看批量与一致性，直播看实时链路和兜底，客服看知识边界和转人工。动手之前先算一件事——这条内容出错一次要赔多少，这个数字决定你该花多少钱。
三种活，考的是三套能力
口播的核心是「稳定」。同一个人设连出三十条，脸不能漂、声音不能变、口型要对得上字幕。它允许慢，不允许每一条都长得不一样。
直播的核心是「接得住」。观众进来会问价、会抬杠、会刷无关的话，系统要在几秒内给出不越界的回应，并且随时能被人接管。客服的核心是「知道边界」，答不上来要老实转人工，而不是编一段听起来合理的话。
把这三件事混在一起谈「逼真度」，是最常见的选型失误。逼真度只对口播有用，对客服几乎不产生价值，对直播甚至是负资产——太像真人，观众会默认它能听懂一切。厂商宣传里的梯队排名也别太当真，榜单迭代背后的信号值得单独看一眼，换一套测试集，名次就会换一批。
口播：批量一致性优先于逼真
算一笔账：一条六十秒口播，真人拍摄加剪辑，从写稿到出片通常要小半天；数字人方案在完成形象建模后，单条生成只要几分钟，但改一句台词就要重跑一遍。所以真正的分水岭是日产量：一天出三条以内，真人更快；一天要出十条以上，数字人才划算。
验收时别看宣传片，看三件事。同一形象连出五条，脸部特征是否一致；快速说话的句子，口型是否跟得上；数字念到「一千二百三十四」这种长串时，嘴形会不会糊成一团。第三项最能暴露水平。看演示时也留个心眼，测试条件不写清楚的效果片参考价值有限，读技术指标的那套方法在这里同样适用：先看口径，再看数字。
还有一个隐性成本：脚本。数字人不会自己找选题，批量生产的前提是批量写稿，稿子的质量决定成片能不能看。很多团队买了工具才发现，瓶颈从拍摄挪到了文案。
直播：实时链路和兜底决定能不能播
市面上的数字人直播，多数形态是「预录内容循环播放 + 关键词触发回复」，真正能多轮自由对话的属于少数。这不是技术藏私，是直播场景对延迟极其敏感：超过两三秒的沉默，观众就划走了。
所以验收要测三件事：从提问到开口的间隔、被连续追问时会不会答非所问、出现违规词时能不能立刻掐断。第三项必须有人工值守，指望系统自己兜住，早晚出事。
直播还有个平台侧的约束：用数字人开播要按平台规则做标识，部分类目对无人值守直播有限制。开播前先看平台规则，别等封了号再研究。
客服：知识边界比脸重要
客服场景里，形象的价值远低于知识库。用户要的是「我的订单到哪了」，不是一张会眨眼的脸。真正决定体验的是三件事：知识库覆盖了多少真实问题、意图识别在模糊表述下准不准、转人工的阈值设在哪里。
阈值这条最容易被忽略。设得太高，机器人硬答，用户越问越火；设得太低，全转人工，等于没上。合理做法是先跑两周，统计「答完用户重复追问」的比例，把这个比例压到可接受范围再放开。
如果只是文字客服，根本不需要数字人，接一个大模型加知识库就行。加形象只在两种情况下有意义：门店导览、政务大厅这类需要「有人在」的现场感，或者品牌需要一个固定形象。
成本按条、按小时、按坐席算
数字人的报价通常分四段：形象建模（一次性）、内容生成（按条或按分钟）、直播（按路或按时长）、客服（按坐席或按对话量）。询价时把这四项分开问，别接受一个「打包价」，否则你无法判断用超了会贵在哪里。
更该问的是隐性成本：改稿要不要另外收费、形象版权归谁、停用后素材能不能导出、换供应商时模型能不能迁移。这四条写在合同附件里，比单价重要。行业里价格波动快，一轮价格战就能把去年的报价表作废，具体以厂商当期方案为准，别拿半年前的数字做预算。
一张对照表看清投入
| 场景 | 关键指标 | 验收怎么测 | 常见翻车 |
|---|---|---|---|
| 短视频口播 | 形象一致性、口型同步率 | 同形象连出五条，逐帧看脸和嘴 | 每条脸都不一样，账号认不出 |
| 直播带货 | 响应延迟、违规词拦截 | 模拟连续追问二十轮，记录卡顿 | 答非所问，或说了不能说的词 |
| 企业客服 | 首答解决率、转人工比例 | 抽一百条真实会话回放 | 硬答错答，用户投诉升级 |
| 门店导览 | 噪声环境下的唤醒与识别 | 在现场开着背景音乐测十次 | 展厅一吵就听不见 |
这张表的用法是：先定场景，再挑一行，把「验收怎么测」那列直接抄进采购需求。供应商能不能接受这个测法，本身就是一次筛选。
标识、授权与它做不到的事
三条硬线先划清。生成内容要按规定标识为 AI 合成，不能让观众误以为是真人；用真人形象或声音，必须拿到书面授权，授权范围要写清用途和期限；数字人说的话同样受广告法约束，功效、价格、承诺都不能随口给。
它做不到的事也要说清楚。临场应变不行，遇到没写进脚本的问题容易绕圈；长时间无人值守不行，内容风险和责任没人接；复杂情绪不行，安慰、道歉这类需要分寸的表达，机器给出来总差一层；承担后果更不行，说错话被投诉，责任在运营方。
把它当工具，不当替身。工具的意思是：它替你省下重复劳动的工时，但判断、授权和兜底仍然在人这边。这条线守住了，数字人是个好用的降本手段；守不住，它就是一台会自动放大错误的机器。
数字人选型速查
- 口播看一致性，直播看延迟与拦截，客服看知识边界
- 日更十条以上再上口播，否则真人更快
- 直播必须有人值守，标识按平台规则做
- 询价拆成建模、生成、直播、客服四段
- 形象与声音授权写进书面，范围含用途和期限
