曾經(jīng)遙不可及的數(shù)字人，如今在網(wǎng)絡(luò)直播、信息播報等場景已不新鮮。百度智能云AI人機交互實驗室負(fù)責(zé)人李士巖甚至放話：“兩年內(nèi)每個人有望實現(xiàn)‘數(shù)字人自由’。”那么制作一個數(shù)字人需要多少錢呢?“便宜的幾萬元，貴一些的需要上百萬元，更精細且并發(fā)要求高的，上千萬元的也會有”，這是他向記者透露的價格。

以國內(nèi)外發(fā)展成熟度較高的數(shù)字人主播為例，記者從多家數(shù)字人創(chuàng)業(yè)公司處了解到，定制一個卡通風(fēng)格的數(shù)字人在3萬-5萬元，再加面部及全身動作捕捉、電腦和手機直播系統(tǒng)共9萬-20萬元。

對于企業(yè)而言，這不是一筆大數(shù)目，但距離普通用戶還有門檻，就像數(shù)字人服務(wù)公司工作人士透露的：“我們的客戶多是企業(yè)，購買數(shù)字人直播服務(wù)的也多是有團隊的主播，幾乎沒有個人主播。”

幾萬元到千萬元

“我們公司最貴的是超寫實數(shù)字人，你可以理解為是根據(jù)真人制作的數(shù)字人，光數(shù)字人定制一個就需要50萬-70萬元”，在數(shù)字人定制企業(yè)工作的張鐸(化名)向記者介紹。根據(jù)他提供的信息，該公司可以提供數(shù)字人全服務(wù)流程，生產(chǎn)流程包括雕刻身體高模、制作擬真布料衣服、拓?fù)渚W(wǎng)格和生成毛發(fā)、繪制PBR貼圖、綁定骨架和面捕表情、配置實時渲染。

以可實現(xiàn)直播的數(shù)字人為例，張鐸所在公司提供的是一整套解決方案，價位由低到高依次是卡通數(shù)字人、二次元數(shù)字人、擬真人數(shù)字人、超寫實數(shù)字人。一個卡通級別的數(shù)字人+面部表情+動作捕捉，再加一套可同時配置在電腦和手機上的軟硬件直播系統(tǒng)，不超過20萬元，二次元級別的數(shù)字人加同一配套技術(shù)和系統(tǒng)的價位在20萬-28萬元之間，擬真人數(shù)字人系列40萬-45萬元。

李鳴(化名)工作的數(shù)字人定制公司，定價比張鐸的公司更細化。根據(jù)李鳴分享的資料，如果想要定制一個可以直播的數(shù)字人，需要購買兩個項目，一個是數(shù)字人形象定制開發(fā)，另一個是數(shù)字人直播技術(shù)。

“卡通風(fēng)格的數(shù)字人3萬-5萬元一個，真人風(fēng)格的10萬-20萬元一個。數(shù)字人直播技術(shù)中的面部及全身動作配置的價格，和數(shù)字人的風(fēng)格有關(guān)，卡通風(fēng)格的1萬-3萬元一個，真人風(fēng)格數(shù)字人5萬元一個。動捕服及配置服務(wù)都是5萬元一套，配置完成后就可以用這個數(shù)字人直播了”。也就是說，按照李鳴的報價，想要買一個能直播的數(shù)字人和系統(tǒng)最少需要花9萬元。

在百度B2B平臺愛采購平臺，也有不少數(shù)字人商品在售，但不論是智能數(shù)字客服、虛擬主播、智能理財顧問、虛擬偶像等數(shù)字人的價位都統(tǒng)一是50萬元/套。

做一款要2-6周

按照李士巖對數(shù)字人的歸類，數(shù)字人分為服務(wù)型、演藝型兩類，服務(wù)型包括虛擬員工、數(shù)字客服、數(shù)字理財專員、虛擬培訓(xùn)師，演藝型包括虛擬主播/主持人、虛擬偶像、虛擬IP/明星、數(shù)字二分身。相比之下，演藝型數(shù)字人在臺前的機會更多，更容易與大眾接觸。B站控股公司旗下的虛擬歌手洛天依、基于人工智能小冰框架的虛擬歌手何暢、斗魚虛擬主播“那小巖”等都屬于演藝型數(shù)字人

“目前虛擬主播、虛擬偶像等面向C端用戶的數(shù)字IP類的數(shù)字人，發(fā)展成熟度較高，也是商業(yè)化競爭最為激烈的領(lǐng)域。虛擬教師、虛擬客服等服務(wù)型數(shù)字人是未來有望得到突破的細分領(lǐng)域，從更長期來看，作為元宇宙的重要行為主體，虛擬分身類數(shù)字人可能進入快速發(fā)展階段”，歐科云鏈高級研究員蔣照生向記者直言。

元宇宙概念火熱，和數(shù)字人關(guān)聯(lián)度很高的智能助手早被預(yù)言有可能人手一個。那除了價格，還有什么在拖數(shù)字人規(guī)模后應(yīng)用的后腿?李士巖認(rèn)為是產(chǎn)能。

在談到目前數(shù)字人為何沒有定價標(biāo)準(zhǔn)時，蔣照生也提到了產(chǎn)能不足，“數(shù)字人產(chǎn)業(yè)目前整體成熟度不高，市場競爭十分激烈，加上目前國內(nèi)多數(shù)應(yīng)用場景都需要高度定制化的數(shù)字人設(shè)計，導(dǎo)致其無法快速復(fù)制推廣，所以市場并未出現(xiàn)統(tǒng)一的定價標(biāo)準(zhǔn)”。

當(dāng)前制作虛擬人，大部分仍采用3D建模+動作捕捉，這種傳統(tǒng)的方式，可以生產(chǎn)出電影畫質(zhì)的虛擬人，精致細膩，但成本很高，無法生產(chǎn)更多虛擬人。按照張鐸給出的制作周期，“制作一款卡通數(shù)字人需要2周左右，二次元數(shù)字人需要4周，擬真人的數(shù)字人需要6周時間”。按照李士巖的計劃，“未來數(shù)字人一定是人工智能制作的，只有這樣才能滿足未來大量海量需求。希望在最近兩年內(nèi)，通過百度智能云曦靈平臺的開放，讓每個人實現(xiàn)數(shù)字人自由”。

企業(yè)定制的多

只有定制這一條路子嗎?也不是。有數(shù)字人服務(wù)商也提供租賃服務(wù)。“就是租用我們已經(jīng)定制好的數(shù)字人，再搭配直播要使用的硬件和系統(tǒng)，但是租的客戶很少”，張鐸透露。至于購買數(shù)字人的都是哪些客戶，張鐸和李鳴都明確表示：企業(yè)客戶下單的多。“就算是主播購買，也多是有團隊的主播”,李鳴補充。

記者在和百度數(shù)字人平臺曦靈的客服溝通時，對方也直言：“我們提供的是一個定制化的解決方案，價格比較高，是針對一些大型的企業(yè)，比如給銀行做一個數(shù)字人助手等，不是針對普通用戶的。”

回到數(shù)字人主播這個分支，斗魚相關(guān)負(fù)責(zé)人向記者透露了推出數(shù)字人主播的初衷，“直播行業(yè)發(fā)展到當(dāng)前階段，用戶對直播內(nèi)容豐富度、多元化的要求越來越高。數(shù)字人主播的出現(xiàn)能豐富平臺內(nèi)容生態(tài)、為用戶提供更多元化的互動玩法，也能夠在流量變現(xiàn)、IP變現(xiàn)方面為直播平臺提供更大的想象空間。斗魚從2019年起開始主播技術(shù)研發(fā)，陸續(xù)推出近10位官方數(shù)字人主播”。

對比各種直播場景，蔣照生認(rèn)為“目前新聞報道或其他僅需要簡單問答交互的場景，比較適合數(shù)字人主播”。

那在最早出現(xiàn)的秀場直播場景下呢?主播對數(shù)字人主播的態(tài)度沒有給出統(tǒng)一答案。

主播Zoe(化名)就向記者直言，“沒聽過也不考慮，更沒有關(guān)注過數(shù)字人主播”。她的理由是“網(wǎng)絡(luò)直播已經(jīng)是虛擬環(huán)境了，用戶接納程度太低，數(shù)字人主播會影響用戶的消費欲望，一些簡單的場景可以應(yīng)用，但秀場直播受情感因素和消費初衷等因素影響不適合數(shù)字人主播”。

Vova(化名)的態(tài)度截然不同。她關(guān)注數(shù)字人直播是因為“看到過映客有主播用過，本來以為是動畫效果，后來才知道觀眾看到的數(shù)字人捕捉的是幕后真人主播的動作和表情。我也想過自己做一個，但是數(shù)字人直播最好用電腦實現(xiàn)，比較麻煩。我對自己的顏值和裝扮比較自信，后面就不考慮了”。

數(shù)字人主播背后的真人主播更有發(fā)言權(quán)，運營映客數(shù)字人主播“會唱歌的熊貓”的主播，在回答做數(shù)字人主播和普通主播有什么區(qū)別時告訴記者，“沒什么不同，一定要說區(qū)別的話，那就是在幕后會更自在一些，有些主播比較羞澀，我覺得在這種情況下，用數(shù)字人主播會更舒服”。(記者 魏蔚)