2D数字人和3D数字人，差的不只是好看

同样叫数字人，有的看起来像一段高清录像，毛孔都数得清；有的则明显是个三维角色，头发一丝一丝，但一看就知道是做的。这背后是两条完全不同的技术路线，它们的差别不在清晰度，而在有没有第三个维度。选错了路线，钱花了，效果还是不对路。这也是很多人采购时最常踩的坑。

一、一张会动的照片，和一尊会动的雕塑

最直白的区分：2D 数字人本质是一张或者许多张平面图像，靠算法让它做出说话、眨眼、点头这些动作，你从正面看它很真，稍微换个角度就会露怯。3D 数字人本质是一个立体模型，有正面、有侧面、有后脑勺，可以绕着看，也可以放进虚拟场景里走来走去。打个比方，2D 像一张会动的照片，3D 像一尊会动的雕塑。这个差别决定了它们各自能干什么：照片只能摆在相框里，雕塑可以摆在任何一个角落，还能转身给你看背面。

二、2D 是怎么做出来的

2D 的主流做法，是请真人正面拍一段高质量视频，长度从几分钟到半小时不等，然后让算法从这段视频里学这个人的长相、口型和微表情。学完之后，你输入新文字，它就能生成这个人说新话的画面，哪怕这些话他从来没说过。因为素材本身就是真人实拍，皮肤质感、毛孔、发丝、光影全是真实的，所以近景特别像。它的软肋也很明确：素材基本只覆盖正面，一旦要求转头超过一定角度、或者要它侧身走动，就没有素材可用，只能靠算法硬猜，画面开始变形。拍摄要求也很具体：脸上不要有明显阴影，别穿和背景同色的衣服，语速保持稳定，因为素材里的光线和姿态会直接影响成片的稳定程度。

三、3D 是怎么做出来的

3D 走的是另一条路：先在软件里建一个立体的人，再给它绑上骨骼，再让它学会动。整个过程更像造一个玩偶，从零开始一点一点捏出来。好处是完全可控，你想让它穿什么衣服、站在什么场景、做什么动作，都可以安排，换角度、换镜头都不怕。代价是真实感的天花板。要做出真人那种皮肤的通透感、毛发的层次、眼神里的湿润，需要极高的建模水平和很贵的渲染，多数团队做不到那个程度，于是成品常常停在精致的动画角色这一档。此外还有一笔隐性成本常被漏算：动作库。3D 数字人每做一个新动作都要有对应的动画数据，要么请动捕演员录，要么买现成的动作包，这部分开销不小。

四、四个维度摆在一起看

把两条路的关键差异放进一张表，选型时就清楚多了。表里的价格是公开市场上常见的区间，具体会随供应商和定制程度浮动。

五、怎么选，看你要解决的问题

如果核心需求是让观众相信这是个真人在讲，比如医学科普、财经解读、课程录制，2D 通常更划算，因为它的真实度红利正好用在近景口播上。如果核心需求是这个人要出现在一个场景里、要能转身、要和虚拟环境互动，比如展馆导览、品牌直播、虚拟发布会，那就只能上 3D，2D 在这类需求上没有解。还有一种折中方案：用 3D 的骨架加一层偏写实的皮肤渲染，业内叫写实 3D，观感介于两者之间，成本也介于两者之间。还有一条现实约束是更新成本：2D 想换形象基本等于重做一遍，因为整套素材都绑在这一个人身上；3D 换发型、换衣服相对轻，改脸型也一样麻烦。如果形象以后可能要频繁调整，这一条得提前算进去。

选路线之前先回答一个问题：这个人需要被绕着看吗。不需要，就往 2D 走，把钱花在拍摄和训练上；需要，就只能接受 3D 的成本和它目前的天花板。路线选对了，后面的钱才不算白花。