数字人的形象克隆与语音克隆是伪需求

形象克隆与语音克隆技术,在当前的环境上已经可以成熟的实现,但真的解决了痛点问题吗?

普通人或者一般的公司克隆自己内部人的形象有必要吗?对外界而言,克隆的形象与虚拟的形象并无二致,本身并没有什么知名度,克隆后也不会有大的改观,除非你想立这个人设,所以,没有知名度的人物的形象克隆都是伪需求。

再说声音克隆,存在同样的问题。除非你的声音非常有特色,比如高德地图里很多特色的语音包都是这种需求。

网红、知名IP、知名企业家、明星等等,他们有形象克隆与语音克隆的需求,其它的话并不是很站的住脚。你猎奇想自己玩玩可以,想规模化商用,你需要承担巨大的成本,至少目前来看是这样。

再说到成本,据笔者所知,火山引擎克隆语音的成本算是在很多大平台里,算比较便宜的,差不多150元一个(不支持更新),但并发很低,想规模化商用,需要购买并发,几千元每个并发每月的成本,也不是随便一个素人能够承担的起的。讯飞或者序列猴子等平台,语音克隆一个更是上万元起步,有时候还需要很多训练素材,比如微软,就需要差不多近小时语音素材,使用体验并不是很友好。

如果是嘴形驱动的形象克隆,只有头部有动作、眼睛眨眼、张嘴说话等等,其余都保持静态。如果想有动作,就需要360度实景拍摄才能达到几个标准动作,多余的动作同样的是不能有的,因为要应对不同的文字内容,非标准的动作让人觉得动作与内容不匹配。

所以,目前为止很多非实时的视频里,嘴形还是能比较完整的贴合内容,如果想实时的嘴形驱动,这个成本基本就是按分钟计算,实时的流式输出与用户互动,带宽及算力要求极高。

相关推荐
牛客企业服务15 分钟前
2025年AI面试推荐榜单,数字化招聘转型优选
人工智能·python·算法·面试·职场和发展·金融·求职招聘
视觉语言导航1 小时前
RAL-2025 | 清华大学数字孪生驱动的机器人视觉导航!VR-Robo:面向视觉机器人导航与运动的现实-模拟-现实框架
人工智能·深度学习·机器人·具身智能
**梯度已爆炸**1 小时前
自然语言处理入门
人工智能·自然语言处理
ctrlworks1 小时前
楼宇自控核心功能:实时监控设备运行,快速诊断故障,赋能设备寿命延长
人工智能·ba系统厂商·楼宇自控系统厂家·ibms系统厂家·建筑管理系统厂家·能耗监测系统厂家
BFT白芙堂2 小时前
睿尔曼系列机器人——以创新驱动未来,重塑智能协作新生态(上)
人工智能·机器学习·机器人·协作机器人·复合机器人·睿尔曼机器人
aneasystone本尊2 小时前
使用 MCP 让 Claude Code 集成外部工具
人工智能
静心问道2 小时前
SEW:无监督预训练在语音识别中的性能-效率权衡
人工智能·语音识别
羊小猪~~2 小时前
【NLP入门系列五】中文文本分类案例
人工智能·深度学习·考研·机器学习·自然语言处理·分类·数据挖掘
xwz小王子2 小时前
从LLM到WM:大语言模型如何进化成具身世界模型?
人工智能·语言模型·自然语言处理
我爱一条柴ya2 小时前
【AI大模型】深入理解 Transformer 架构:自然语言处理的革命引擎
人工智能·ai·ai作画·ai编程·ai写作