数字人的成本为什么还在快速下降

导语：同一段产品介绍，两年前找外包做一条口播视频，报价单上写着四位数；现在打开一个网页工具，充几十块就能生成。很多人第一反应是怀疑：便宜是不是意味着偷工减料。其实价格掉下来有很清楚的账可算，跟良心关系不大，跟技术结构关系很大。这篇把成本拆成三块，让你看明白钱到底省在哪，以及哪些地方其实一分没省。顺便说一句，便宜不等于值。

一、先看一笔账：钱原来花在哪

做一条数字人视频，成本大致分四份：形象（做一张能动的脸）、声音（配音或克隆音色）、驱动（让嘴型和动作对上）、人工（写稿、剪辑、审片）。前两份过去最贵，因为要专业团队拍摄、建模、训练，周期以周计。后两份一直不便宜，因为靠人。所谓降本，主要发生在前面两项，也就是技术和算力能替人做的那部分。理解了这一点，你就知道为什么现在几百块能出一条片子，却仍然有人花几千块请人写脚本，因为贵的部分挪了位置。就像打印机便宜了，纸和设计并没有便宜。技术的钱在跌，人力的钱在涨。

二、第一条曲线：算力越来越便宜

生成一段画面，本质是让显卡反复做大量计算。过去这类卡又贵又难租，只有大公司养得起机房。现在按小时租用的渠道很多，价格逐年下探，小团队甚至个人也能临时租几小时跑一批片子。这一步相当于把发电厂变成了插座，用电的人不必自己建电厂。算力便宜直接压低了三件事的成本：训练一个专属形象、批量生成视频、实时对话时的响应。要注意的是，算力价格波动不小，热门时段和冷门时段差别明显，做预算时最好按峰值算。另一个变化是按需租用把固定投入变成了变动成本，试错的门槛低了很多。

• 训练阶段：一次性开销，通常按小时计，跑完就停
• 生成阶段：按条或按分钟计，量越大单价越低
• 实时阶段：按并发和时长计，最贵，也最容易被低估

三、第二条曲线：模型不用自己训了

以前做一个数字人，团队要从头收集数据、训练模型、调参数，光是人力和时间就够呛。现在大量基础模型公开可用，新公司直接在上面做应用，研发周期从年压到月。这就像开餐馆，过去要自己种菜养猪，现在去批发市场进货，你把力气放在菜品和位置上。门槛降低带来两个结果：一是供给变多，二是同质化严重。所以你会看到很多工具长得几乎一样，差别只在细节和稳定性。对买家来说这是好事，可以多试几家；对卖家来说，靠模型本身已经很难形成壁垒，工程细节做得扎实才留得住人。同样是这批模型，有的工具口型准，有的总对不上。

四、第三条曲线：同行太多，价格被压

功能接近、门槛又低，最直接的结果就是打价格战。公开市场上，入门套餐大多在几十元到几百元一月，专业版从几千到几万元不等，定制形象另有报价。这种价格结构有个特点：入门极便宜，越往深处越贵，因为定制、并发、私有部署这些都要真金白银。所以别被首页的价格吓到或者骗到，要问清楚三件事：这个价格包含多少分钟、能不能商用、超出之后怎么算。价格战打到最后通常会分成两类，极便宜的标准化工具，和极贵的定制服务，中间那档最难活。选之前先想清楚自己在哪一档。

五、降本的另一面：便宜之后贵的是什么

生成便宜了，判断变贵了。现在一天能出几十条片子，但哪条值得投、哪句会被误解、哪个画面会让老客户反感，仍然要人来看。质检、选题、复盘这三件事的成本占比在上升，因为它们没法被批量生成。还有一个隐性成本在增加，就是同质化：当所有人用同一个模板、同一批音色，观众记住你的概率会下降。返工也常被忽略，一条片子因为口型不对重做三次，省下的工具钱就都还回去了，所以稳定的成品率比单条价格更值得比。

可以立刻做的一件事：把上个月做内容的开销列成四栏，形象、声音、生成、人工，看看哪一栏占比最高。多数人会发现自己一直在省生成的钱，却在人工上反复交学费。如果人工那一栏超过一半，先别换工具，先去定一套模板。