虚拟主播是什么
Virtual Host / VTuber · 作者：夸父
一句话定义：虚拟主播是用虚拟形象（2D 皮套或 3D 模型）出镜的主播形态：真人幕后驱动（动作捕捉）或 AI 全自动驱动。在短视频生产语境里，它常指"AI 驱动的数字人主播"。
虚拟主播的三种驱动方式
真人驱动（皮套模式）：幕后真人做动作捕捉，虚拟形象实时跟随——B 站 VTuber 的主流形态，真人魅力 + 虚拟皮套的组合。
AI 半自动：真人口播稿 + AI 驱动形象口型与表情，适合"有人设但不想出镜"的创作者。
AI 全自动：文案 → TTS → 形象口型合成，全程无真人——短视频日更场景的主流，本质就是数字人视频生产。
内容创作者怎么选
判断标准是"要不要实时互动"：直播互动场景选真人驱动（AI 全自动直播有合规与体验风险）；短视频日更场景 AI 全自动就是最优解——形象做一次，内容无限产出。
形象资产化
无论哪种驱动，虚拟形象本身是可以资产化的：形象设定（人设文档、形象图、音色）沉淀下来后，可以跨视频、跨账号、甚至跨平台复用——这也是虚拟主播相对真人主播的结构性优势：人设不会累、不会走、不会塌房（前提是运营得当）。形象资产的管理思路见素材库管理。
三种驱动方式，对应三种人
真人驱动（皮套人）：幕后有真人做动作捕捉——适合"有人设、有表演欲、但不想露脸"的创作者。B 站的 VTuber 大多是这样。
AI 半自动：真人录口播，AI 生成形象口型——适合"想保留自己的声音但不想出镜"的人。逐日 AI 的数字人走的就是这条路：你的声音（或选定的 TTS 音色）+ 你的形象（照片/录像），AI 让它动起来。
AI 全自动：文案、配音、形象全是 AI——适合纯内容输出、没有人设依赖的账号。
怎么选
问自己两个问题：我要不要出现在内容里？ 要声音不要脸 → AI 半自动（音色配数字人）；要脸也要声音 → 录一段素材做分身；都不要 → AI 全自动 + 虚拟形象。我的内容需要"人味"吗？ 需要人味 → 真人驱动的成分多一些；纯信息输出 → AI 全自动足够。
虚拟主播的底层就是数字人技术——形象 + 口型同步 + 配音。区别只在驱动方式和内容形态。技术方案见数字人方案。