为什么数字人和真人一模一样？

AI 数字人是什么：是利用人工智能技术实现与真人直播形象的 1:1 克隆，即克隆出一个数字化的你自己，包括你的形象、表情、动作和声音都会被克隆下来，让你能够拥有接近真人的表现力。你可以通过我们的系统克隆出多个 AI 形象，每个数字人都有独特的个性和风格。无论是批量制作短视频，还是直播 7*24 小时都可以。

一.生成数字人的步骤：

第 1 步：您需要录制主播正视镜头说话的 5 分钟高清视频，上传到青否数字人 saas 系统的克隆端（源码：zhibo175)

第 2 步：根据青否数字人 SaaS 系统（🌏：zhibo175）提供的超详细课程，针对主播形象自动进行克隆训练。

克隆出的数字人主播妆容、神情、动作与真人主播 100%一致，完美还原真人主播的微表情，动作和声音。克隆后的数字人保证了企业 IP 的唯一性和稳定性。

二.声音克隆：

声音克隆 - 音频采集规范：

1、音频时长

有效音频时长 20 分钟，如果带口音，音频建议不少于 30 分钟；

2、录音准备

根据不同使用需求，准备 5000 字左右的文本内容，内容和应用场景（朗读、直播、日常讲话等）语境相符；

3、录音环境

录音环境安静，环境底噪小于 40dB，可使用“分贝仪”APP 测试录音环境底噪；

录制时保持无回音、无混响、无噪声等；

4、录音设备及录音参数

录音设备推荐降噪麦克风/小蜜蜂，条件允许建议使用防风棉衣或防喷罩；

推荐使用 48kHz 采样率录制音频；

推荐无损音质格式保存音频，如: wav、 fiv、m4a，不能使用压缩格式保存音频，如:mp3；

5、录音人

录音人不宜离麦太近，防止喷麦和录入呼吸声连贯说完一句话；

发音清晰、吐字清楚，句与句之间断句清楚；

句与句之间停顿 1～2 秒；

保持语境风格一致，避免多种情绪混杂。

驱动数字人输出声音的两种方式：

1.文本驱动是用 AI 合成的声音输出来配合数字人，青否数字人系统可以输出最多 140 种语言，服务全球用户，可选择 301 种音色，还可以克隆出来你的专属音色，满足不同类型的主播需求。

2.AI 合成的声音还有一种更高级的存在，就是克隆自己的声音，用自己克隆的声音匹配自己的数字人模型，口型匹配度非常高，数字人更容易达到以假乱真的水平，但声音克隆的成本在时面上比较高，一般费用要 8000 元或更多，而青否数字人独立部署之后无限克隆声音，没有其他的收费。

不管是声音还是形象输出的效果跟真人是没有差别的，所以数字人完全可以当作真人的替身，去进行直播，输出视频等等