百度世界 2026 上,最受关注的视频之一,是屏幕上同时出现两个李彦宏——真实的创始人,和一个跟他对话的数字人分身。这段视频本身就由百度的数字人平台"百度一镜"制作,也成了当天最大发布的演示片:一个自研视频生成模型,三项能力升级,目标直白——把数字人做得足够便宜、足够像,好进入大规模商用。
三项升级,逐条拆
百度杰出架构师杨羿把这次发布拆成三个技术层。
第一,视频生成每秒 0.2 元(约合 0.03 美元)。通过混合扩散蒸馏和稀疏化建模压缩推理,把每秒视频的生成成本压到 0.2 元(约合 0.03 美元)。"Fast"版能做到一比一速度:10 秒视频 10 秒出。按这个价位算,一部 80 分钟的标准化 AI 制作剧,制作预算落到五位数人民币(约合 1400 至 14000 美元);百度还披露,按罗永浩形象搭建的数字人直播,成本从上线时每月近 1 万元降到每月四位数,约合 140 美元。
第二,把微表情做成单独的大模型。文心一镜微表情大模型提供 AU 级面部控制——动作单元是表情研究里的细粒度编码系统——每秒最多渲染 8 到 9 种不同微表情,由一个给 200 多个子维度打分的质量智能体协调。目标是治"僵":百度集团副总裁平晓黎对记者说,数字人的"AI 味"很大一部分来自说话停顿、呼吸间隙和节奏瑕疵,所以解法是把面部控制和更口语、更有节奏的语音结合起来。
第三,全画面实时交互。早先的交互式数字人只生成画面中的局部区域。升级后的模型实时串流整帧,响应延迟低于 2 秒,用自回归架构加检索式记忆支撑无限时长交互——区别就在,一边是循环播放的头像,一边是能一直接住客户问题的服务智能体。百度展示的 4S 店场景里,数字人能记得之前的对话,跨语言推荐试驾。
商业化外壳:短漫剧 Studio 和四项补贴
三项能力之上,百度开放了短漫剧 Studio,建在一条双智能体流水线上:剧本智能体吃进百万字网文,抽取人物和情节线、分集、安排反转节点;制作智能体把分镜、画面、配音一路做到成片。一键转绘功能则为海外市场改编情节、人物和场景,把短剧本地化从逐帧重活变成批量操作。
平台还宣布了四项生态计划:每位新用户 300 元(约合 42 美元)视频额度,10 万个免费数字人直播位给小商家,每年 1 亿元(约合 1400 万美元)内容创作者激励,服务商最高 60% 返佣。
厂商数字说了什么,又没说什么
百度称一镜已覆盖 30 多个行业,合作直播主播 20 万,生成数字人内容超过 10 亿条,在弗若斯特沙利文的数字人市场份额和综合能力评估中都排第一。案例数字包括一个把成本降 83%、转化提 29% 的电商方案,以及两个国际运动品牌海外直播间 GMV 增长超过 40%。一个可口可乐广告案例,被拿来对比原本数十万到数百万元(约合 1.4 万至 14 万美元)的制作预算。
这些都是百度自己或客户的数字,且在百度自己的会上讲的。它们指向的方向——数字人从定制的、按片场计价的资产变成通用基础设施——是合理的,也和成本曲线一致;具体百分比未经审计。
关键要点
- 百度一镜发布自研视频生成模型,生成成本压到每秒 0.2 元(约合 0.03 美元)。
- Fast 版一比一出片,10 秒视频 10 秒生成。
- 微表情大模型提供 AU 级控制,每秒 8 到 9 种微表情,由 200 多个子维度的质量智能体协调。
- 全画面实时串流,响应延迟低于 2 秒,支持无限时长交互。
- 短漫剧 Studio 用双智能体流水线,另推四项生态补贴计划。
诚实的局限
- 每秒 0.2 元(约合 0.03 美元)是标价,实际花费取决于重生成、剪辑,以及百度把什么算作计费秒;发布会之外的定价细节未披露。
- "每秒 8 到 9 种微表情"是厂商指标,没有独立评测方法,恐怖谷感受也因人而异。
- 低于 2 秒的延迟大概只在特定网络和算力条件下成立,不是每种部署都是如此。
- 弗若斯特沙利文的排名常是委托报告;Fast 版的一比一速度只针对规定视频长度。发布材料也没谈 AI 主播的内容版权问题。
普通人现在能做什么
- 先算自己的账再信标价:做视频内容运营的,把自己现在每秒成本算出来,和 0.03 美元加平台费用比,差值是迁移与否的依据。
- 拿自己的受众测恐怖谷:用真实观众做 A/B 对照,微表情模型跟普通头像比一比,不同人群对表情真实感的偏好差别很大。
- 拿一部自己有版权的小说试跑 Studio 流水线,量一量真实出片吞吐和剪辑工作量。