D-ID 推出实时对话数字人：双手与躯干入镜，1 分钟视频就能练一个

以前看很多 AI 生成的数字人视频，总让人觉得哪里不对劲：一张脸在那里机械地眨眼张嘴，身体僵硬得像块木板，更别提即兴聊天了。

AI 视频生成平台 D-ID 正式推出了两款新的数字人模型：Express 和 Premium+。这次升级最大的看点，就是让数字人不仅能摆动头部，还能做出手势和躯干动作，甚至可以做到实时对话。

动动手和身子，终于不那么假了

这两款模型走的是轻重两条路线，门槛和效果完全不同。

轻量级的 Express 模型主打快捷，只要喂给它大约一分钟的录像，就能训练出一个专属数字人。这个版本主要复刻说话时的头部细微运动，适合快速产出日常播报视频。

真正的大招是 Premium+。这个旗舰模型需要至少几分钟的训练素材，但它能连带复刻出说话人的手部姿势和整个躯干动作。不仅如此，它还具备实时交互能力，可以直接用在实时网络研讨会或者跨语言同声传译场景里。

按 D-ID 首席执行官 Gil Perry 的说法，他们认为面对面才是和 AI 交互最自然的方式。让商务人士给自己做一个逼真的数字分身，能省掉大把录制视频的时间。

打包一整套企业营销工具

光有模型还不够，D-ID 这次顺手把企业营销套件也端了出来。

他们把数字人打包进了品牌 AI 互动顾问和企业视频生成流中，支持 30 种语言的跨国翻译。为了让打工人更容易上手，它还直接打通了 Canva 和 PowerPoint，并且提供 API 对接企业的 CRM 系统和自动化营销后台。

D-ID 拿出了自家的测试数据：使用这种个性化数字人视频进行营销活动，可以让点击率提升 30%，转化率提高 35%。

不过目前新功能还有限制。这两款新模型暂时只向桌面端的 Studio 工具开放，想要像去年那样用手机 App 拍张照片就生成视频，还得等官方后续把技术移植到移动端。

为什么重要

对普通企业和销售人员来说，数字人的实用价值终于跨过了玩具门槛。过去录一次出海推介视频，找人、布景、多语言配音成本极高；现在用几分钟素材克隆自己，就能通过 API 批量给上万个海外客户发送带着手势、说着流利外语的个性化视频，这个效率提升非常实打实。

在行业层面，D-ID 这一步其实是被逼出来的反击。在 HeyGen 等竞品靠着逼真的全身肢体动作和极佳的口型同步跑马圈地时，只靠静态照片驱动起家的 D-ID 优势正在被蚕食。这次补齐手势和躯干，并把宝押在实时互动上，是它稳住企业端市场的关键一步。

我们认为，D-ID 接入 Canva 和 PowerPoint 的做法非常聪明。对很多市场部员工来说，换一个独立视频编辑器的门槛很高，但在现有的 PPT 流程里直接插一个会动的人，接受度会高得多。

看起来真正的隐患依然在信任成本上。数字人做得越逼真、甚至能实时互动，被黑产用来进行高管仿冒和视频诈骗的风险就越高。CEO 虽然提到了安全机制，但如何在开放企业 API 和防范滥用之间找到平衡，依然是个悬而未决的难题。