数字人的录制路线和生成路线差在哪？

做一个数字人，是真人出镜录一批素材，还是纯靠模型生成？先说结论：要极高的真实感和长期固定形象，走录制路线；要快速量产、频繁换形象，走生成路线。腾讯元宝生态里的数字人应用两条路线都有，选错路线，预算和时间都可能翻倍。

先说结论：按真实度要求选

判断起点是观众预期：出镜的是要让人认不出真假的品牌代言人，还是知识区里换个形象的播报员？前者录制打底，后者生成足够。真实度要求每上一档，成本结构就换一套。

还有个折中玩法：录制路线出主形象，生成路线出配角群像，主角精致、配角走量，预算分配就有了层次。

录制路线的拍摄流程

录制路线先请真人到棚里拍摄：绿幕环境、多角度机位、成段的口播素材，几个小时起步。模型从这些素材里学这个人的口型、微表情、说话节奏，之后输入任何文稿，都能驱动这个形象开口。优点是形象与真人几乎无差，口型贴合度高；限制是形象被锁死，换装、换场景都要重新进棚。

它像给真人建了一套替身档案，档案多细，替身多真。

素材量决定档位：半小时棚拍能出个基础版，口型对得上但微表情有限；数小时的多角度素材才能撑起自然的手势和眼神。预算和时间换真实度，这笔账在进棚之前就要算好，拍完再补录，档期和场地都是二次开销。

生成路线的建模流程

生成路线不依赖真人全程出镜：用一张照片或一段短素材做参考，模型直接合成形象与动作，配合语音合成驱动说话，即梦AI 这类工具的玩法属于此类。优点是门槛低、量产快，一个下午能出几十个不同形象；短板是真实感有上限，细看仍有「塑料感」，动作库也容易撞款。

可带走的判断：录制买的是「像」，生成买的是「快」，两边的账不能混着算。

生成路线的质量台阶由参考素材决定：一张正脸照能出静态感强的播报，一段十几秒的短视频能带动更自然的头部动作。参考越丰富，成品的「人气」越足，这也是为什么同一个工具，有人用得像效果图，有人用得像真人。

成本和表现力的平衡

成本结构差异大：录制路线前期投入重、边际成本低，形象确定后每条视频的产出很便宜；生成路线前期几乎零门槛，但要持续调优才能维持质感。口型同步精度、手势自然度、光影融合度，是两条路线共同的三道坎，只是录制路线靠素材天然过坎，生成路线靠模型硬啃。图文侧的对应分工见OCR 和文档理解差在哪，都是「读」与「造」的分野；动态内容的两条线，见视频理解和视频生成有什么区别；声音侧的配套能力，见AI 音乐和 AI 配音差在哪。

维护成本别漏算：录制路线的形象档案会随真人状态变化过时，隔段时间要补拍更新；生成路线的模型版本升级后，旧形象要重新生成验收，保证前后形象不打架。两条路线都有后续投入，只是一次性和持续性的差别。

数字人路线选择表

• 固定形象、高真实感：录制路线。
• 多形象、快量产：生成路线。
• 预算充足：录制打底，生成补量。

末句：先定形象寿命，再定路线。

聊聊数字人路线的常见疑问

• 录制路线的形象能换衣服吗？：棚拍素材里有什么就有什么，换装需要补拍或局部生成，不是改个参数的事。
• 生成路线的照片要求高吗？：正脸、光线均匀、分辨率够用即可，照片质量直接封顶成品质量。
• 两条路线会合并吗？：技术上有融合趋势，少量录制加大幅生成，但纯生成的真实感上限短期仍在。