数字人是什么
Digital Human / AI Avatar · 作者：夸父
一句话定义：数字人是用 AI 生成的虚拟人物形象，可以让照片或建模形象"开口说话"，口型与配音对齐，常用于不需要真人出镜的口播、播报与讲解类视频。
数字人和 AI 换脸是一回事吗？
不是。AI 换脸是把一张脸"贴"到已有视频上，本质是替换；数字人是让一个形象根据新的语音内容从头生成口型和表情，本质是"驱动"。换脸改的是画面里的人，数字人生成的是一段新的播报内容。
对内容创作者来说，数字人的价值在于：一次形象准备，之后每条视频只需要写好文案、配好音，形象就能持续产出内容——这也是口播类账号能"日更不断人"的关键。
数字人视频是怎么做出来的？
主流流程三步：① 准备一段清晰的人像素材（照片或短录像）；② 用 TTS 把文案转成配音；③ 用口型同步模型（如 MuseTalk）让人脸的嘴部动作对齐配音，合成出完整播报视频。
在逐日 AI 里，这条流程被整合进切片生产：每个分镜切片可以独立选择"数字人口播"作为画面来源，配音由 TTS 生成，口型合成走本地 ComfyUI 环境——素材和人像数据都不出你自己的服务器。
延伸阅读
数字人怎么做出来的（三步）
第一步：给它一张脸。 一段正面口播录像（10~30 秒）或几张高清照片——这是"原料"，质量决定一切：正脸、光线好、不遮嘴。
第二步：给它声音。 文案用 AI 配音（TTS）读出来——选一个适合人设的音色，固定用。
第三步：让嘴对上声音。 口型同步模型（如 MuseTalk）让照片里的人"按配音动嘴"——嘴型与声音对齐，看起来就像真的在说话。
三步之后，一个"不会累、状态永远在线、不用化妆"的主播就诞生了——之后每条视频只需要给它新文案。
它适合讲什么
适合：知识讲解、产品介绍、新闻播报——"对着镜头说信息"的内容。不适合：需要大动作、真实互动、情感演绎的内容——那些还是真人强。
一句话：数字人替代的是"重复出镜的劳动"，不是"人的表达"。完整方案见数字人制作。