腾讯云数智人形象分为2D精品、2D小样本系列（含通用口型、专属口型、高精版本、照片数字人、免训练视频/照片）、3D卡通/半写实/写实共9类，分别适用于金融传媒、泛互娱乐、品牌宣传等场景，并详细对比了各SKU在口型效果、交付周期、训练方式上的差异。 2D小样本系列：通用口型适合无拍摄条件客户，专属口型需30秒以上安静视频，高精版本输出4K分辨率。 免训练版本：视频或照片输入后分钟级生成口型匹配视频，适合营销场景；照片数。
相关产品
腾讯云智能数智人 产品页，含版本规格、价格与购买入口。
一、形象类别介绍
| 形象类型 |
定义 |
使用场景 |
示例 |
| 2D 精品 |
通过在专业影棚中录制动作素材，经过两周左右的训练可生成应用于播报、交互场景的数智人。精品形象可在文中随机插入指定动作，动作呈现多样性。 |
适用于金融、传媒类对数智人形象、动作有要求的客户。 |
|
| 2D 小样本-通用口型 |
通过一段真人视频素材进行训练数智人，数智人的外貌与真人一致，口型将采用大模型生成的通用唇齿，训练视频素材要求更低，具体参见 形象录制指引-播报场景、形象录制指引-交互场景。 |
适用于对数智人口型无要求、无良好拍摄条件的客户。 |
|
| 2D 小样本-专属口型 |
通过一段真人视频素材进行训练数智人，数智人的外貌与真人一致，口型将采用真人专属唇齿，训练视频素材需无其他人声以及明显环境声，具体参见形象录制指引-播报场景、形象录制指引-交互场景。 |
适用于对数智人形象复刻有要求、有较好拍摄条件的客户。 |
|
| 2D 小样本-高精版本 |
通过一段 4K 的真人视频素材进行训练数智人，素材采集要求及最终唇齿效果同 2D 小样本（专属口型），最终数智人的清晰度提升为4K。具体参见形象录制指引-播报场景、形象录制指引-交互场景。 |
适用于大型会议、面对面对话、产品发布会、大屏场景。 |
|
| 2D 小样本-照片数字人 |
仅需一张照片（真人或脸部比例接近真人的卡通形象照片）即可训练数智人；该版本主打低价快速，从素材提交后，一般情况下（云渲染）在10分钟后即可使用。照片数智人使用的是照片原始背景，不支持切换背景图片。 |
适用于泛互、娱乐场景。 |
|
| 2D 小样本免训练-视频素材 |
输入一段视频（真人或脸部比例接近真人的卡通形象视频），无需训练，即可通过文本或音频驱动，自动生成口型匹配的说话视频。 |
适合客户获客拉新、制作营销视频&口播视频场景。 |
|
| 2D 小样本免训练-照片素材 |
仅需一张照片（真人或脸部比例接近真人的卡通形象照片），无需训练，即可通过文本或音频输入，自动生成口型匹配的说话视频。 |
适合客户获客拉新、制作营销视频&口播视频场景。 |
|
| 3D 卡通 |
根据客户的需求设定数智人五官特征、发型、服饰、配饰等完成原画，待客户评审后敲定最终形象后进行模型制作。后经过骨骼绑定、渲染、UE 调优等阶段后可输出覆盖交互、播报场景的数智人。 |
适用于已有 2D 吉祥物形象，期望升级为 3D 形象为用户提供服务的场景。 |
|
| 3D 半写实 |
根据客户的需求设定数智人五官特征、发型、服饰、配饰等完成原画，待客户评审后敲定最终形象后进行模型制作。后经过骨骼绑定、渲染、UE 调优等阶段后可输出覆盖交互、播报场景的数智人。 |
适用于需要一定的写实感但精度要求不高的场景，如资讯播报、手机端智能客服场景。 |
|
| 3D 写实 |
根据客户的需求设定数智人五官特征、发型、服饰、配饰等完成原画，待客户评审后敲定最终形象后进行模型制作。后经过骨骼绑定、渲染、UE 调优等阶段后可输出覆盖交互、播报场景的数智人。 |
适用于需要高写实感和高精度展现的场景，如品牌宣传、大屏交互场景。 |
|
二、形象对比
表格中 ✓ 表示支持，X 表示不支持。
| 2D 小样本系列 SKU 差异对比 |
|
|
|
|
|
|
|
| 项目 |
子项 |
通用口型 |
专属口型 |
高精版本 |
免训练版本-视频素材 |
免训练版本-照片素材 |
照片数字人 |
| 数智人能力项 |
音视频播报 |
✓ |
✓ |
✓ |
✓ |
✓ |
✓ |
| |
会话互动+直播 |
✓ |
✓ |
✓ |
X |
X |
✓ |
| 数据准备 |
录制要求 |
录制 5s 以上的真人视频，模特可全程闭嘴，也可开口说话；对视频声音无要求 |
录制 30s 以上的真人说话视频，录制环境需要保持安静，仅可录制拍摄主体的声音 |
录制标准同专属口型，视频分辨率需是4K |
录制1秒~20分钟的真人说话视频，对视频声音无要求 |
一张真人或脸部比例接近真人的卡通形象照片 |
一张真人或脸部比例接近真人的卡通形象照片 |
| |
实景克隆 |
✓ |
✓ |
✓ |
✓ |
✓ |
✓ |
| |
走动克隆 |
✓ |
✓ |
✓ |
✓ |
X |
X |
| |
绿幕抠图 |
✓ |
✓ |
✓ |
X |
X |
X |
| 形象效果 |
口型效果 |
使用大模型生成的个性化唇齿和口型 |
深度学习本人的口型特征，与本人的唇齿特征相似度达99% |
在专属口型基础上，支持输出 4K 分辨率，更加高清 |
该模式会尽可能保留录制本人的口型特征，与本人的唇齿相似度接近90% |
使用大模型生成的个性化唇齿和口型 |
使用大模型生成的个性化唇齿和口型 |
| |
表情&动作自然度 |
取决于个人表现力 |
取决于个人表现力 |
取决于个人表现力 |
取决于个人表现力 |
身体可自然晃动 |
身体姿态无法晃动 |
| 交付服务 |
交付周期 |
1天内出 demo 供客户效果确认，客户点击确认后即可使用 |
2天内出 demo 供客户确认效果，客户点击确认后即可使用 |
3天内出 demo 供客户确认效果，客户点击确认后即可使用 |
无需训练，分钟级即可看到成品视频效果 |
无需训练，分钟级即可看到成品视频效果 |
10分钟内即可使用（云渲染） |
| |
训练方式 |
全自动训练 |
全自动训练+人工介入调优 |
全自动训练+人工介入调优 |
全自动训练 |
全自动训练 |
全自动训练 |
| 通用 vs 免训练 |
|
|
|
|
|
|
|
| 专属 vs 免训练 |
|
|
|
|
|
|
|
| 通用 vs 专属 |
|
|
|
|
|
|
|
| 通用口型 vs 照片数字人 |
|
|
|
|
|
|
|
| 专属口型 vs 高精版本 |
|
|
|
|
|
|
|
