做一套AI数字人到底要花多少钱

上个月一位开五金厂的老板拿着三份报价单来找我，同样一句「让数字人给产品做介绍」，有人报一千八，有人报六万八，还有人报四十六万。他问我是不是被坑了。其实三家都没坑他，只是卖的压根不是同一种东西。这篇把这笔钱一层层拆开，让你看完能自己判断：我这个需求，到底该花到哪一档。

先分清你买的是「一条片子」还是「一套系统」

数字人这门生意里，最容易被混在一起的是两种商品。一种是成片服务：你把文案交过去，对方用现成的形象给你生成视频，按条或者按分钟收钱，跟去照相馆拍证件照差不多，拍完拿走，相机和人手都留在店里。另一种是一套系统：形象版权、声音模型、生成工具都归你，可以天天用、反复用，相当于自己买了台相机。前者便宜灵活，试错成本低；后者贵，但用得越久越摊得薄。判断标准只有一条：一年做十几条，买成片就够；每周都要出片，才值得买系统。见过太多公司花大钱买了系统，一个月用两次，钱就砸在机器上了。

第一档：五千块以内，买的是「能用」

这个预算基本只有一条路，就是用现成的在线工具，选平台公共形象库里的数字人，配平台自带的声音，自己写文案自己生成。费用通常是按月订阅，公开报价大多在每月几十元到几百元之间，年付更便宜，超出套餐的时长再按分钟加钱。它适合个体户、单店、刚起步的自媒体，能解决的是「不想露脸但要出镜」这一个问题。别指望它给你一个独一无二的形象，也别指望它替你写稿。

• 形象：公共库通用形象，同一张脸可能被几百个账号同时在用
• 声音：预制音色，情绪和口音的调节范围比较窄
• 限制：导出常带水印，商用授权要逐条看，别想当然

第二档：五万上下，多数中小企业的舒适区

到了这个量级，你开始买得到自己的脸。通常包含一次真人形象采集，本人到棚里录素材，或者按规范在家拍；一段声音克隆；一年期工具账号；可能再带几次人工精修。价格随供应商与用量浮动很大，同一套东西换座城市就能差出一倍。这一档真正的价值不在技术，而在一致性：客户连着刷到你十条视频，看到的是同一张脸同一个声音，账号才立得住。它适合已经有稳定内容需求的团队，比如做招商加盟的、做企业服务的、做区域连锁的。签合同前务必问清形象和声音模型归谁、能不能迁走、供应商不做了怎么办。

第三档：五十万级别，买的是一套跑得起来的系统

这个预算对应私有化部署或者深度定制：专属三维建模、自己的服务器、和内部系统打通，加几个月的实施培训。真正贵的不是模型，而是让它在你公司里跑起来这件事，要有人对接技术部门、要给客服和销售做培训、要改现有流程。很多项目超支，超的正是这一块。把三档放在一张表里看，会清楚很多。

报价单上最容易被忽略的四笔钱

第一笔是素材采集成本。拍一条合格的克隆素材要场地、灯光、收音，本人还得空出半天，供应商不包就是几千块的隐性支出。第二笔是续费，很多报价只写首年，第二年的账号费和算力费另算，可能到首年的三到六成。第三笔是人，工具再顺手也得有人写文案、审片子，这个岗位的工资通常比工具费高好几倍。第四笔是返工，念错字、口型对不上、平台判重复，都要重做，重做就是时间。谈价时把这四项摊开问，比砍那几千块服务费有用得多。表里的数字只是常见落点，会随供应商与用量浮动，别当成标准价目表去砍价。

如果你现在只想要一个数，就按一年出片量倒推：三十条以内，几千块的订阅足够；一百条以上，再考虑五万那一档；只有当数字人要嵌进业务流程、要接内部系统，五十万才谈得上合理。钱要花在产能上，别花在演示片上。