D-ID 推出手機 App：傳張照片配段文案，直接生成會說話的影片

還記得前兩年在網上刷屏的「讓老祖宗開口說話」嗎？那項讓老照片眨眼微笑的技術，背後就是特拉維夫的初創公司 D-ID。

當時你還得坐在電腦前，開啟網頁端上傳照片折騰半天。10 月 24 日，D-ID 把這項技術直接裝進了手機，正式在 App Store 和 Google Play 上線了獨立的移動應用。

手機相簿裡的照片，一分鐘就能開口說話

手機端的使用流程非常直接。開啟應用登入後，你可以挑選官方預設的數字人，也可以直接從相簿裡翻出一張照片。

接著輸入你想要它說的臺詞，選擇發音語言。D-ID 這次一口氣支援了 119 種語言，並提供男女聲可選。

有意思的是它還能選語氣。不只是平鋪直敘地念稿，你還可以設定為興奮、新聞播報、悲傷、尖叫、竊竊私語甚至恐懼等各種情緒，生成的單條影片最長支援到 10 分鐘。

按照 D-ID 執行長 Gil Perry 的說法，他們結合了自研和開源模型，核心是靠音訊輸入來生成對應的影片幀。底層的渲染速度達到了每秒 100 幀，比即時渲染快了四倍。

在費用上，移動端採用訂閱制，每月 5.99 美元起步，給新使用者提供 14 天免費試用。如果你原本就是桌面端付費使用者，可以直接繼承權益。

桌面端每天增 6 萬人，但稽核是一道坎

在推出手機版之前，D-ID 的網頁版 Studio 每天就有 6 萬新使用者註冊，平臺上累計生成的影片已經超過 1.5 億條，API 開發者也突破了 20 萬。

不過，當生成數字人的門檻低到在手機上點兩下就能完成時，濫用的風險顯然也成倍放大了。

官方表示手機端沿用了網頁版同樣的稽核機制，嚴禁用於偽造虛假資訊。他們還公開承諾，絕不把技術授權給政黨、色情出版商、恐怖組織或武器製造商等爭議領域。

此外，儘管公司總部在特拉維夫且面臨地區衝突，Perry 透露全球員工依然在正常運轉，其中烏克蘭團隊承擔了大量保障工作。

為什麼重要

我們認為，D-ID 把數字人做成手機 App，最聰明的點在於把原本屬於企培、營銷和教育的專業生產工具，徹底變成了人人隨手可玩的消費級玩具。

對於自媒體作者或者個人創作者來說，這相當於在口袋裡裝了一個廉價出鏡替身。每月 5.99 美元的門檻很低，你不需要打光買相機，甚至不想露臉時丟一張頭像和文案就能出片，非常適合現在去低成本試試水。

但在行業層面，這種極低門檻的工具也帶來了明顯的隱患。雖然官方聲稱有嚴格的稽核政策，但當任何一張手機相簿裡的真人照片都能在幾分鐘內開口說出指定的話，防範肖像侵權和深度偽造謠言的難度將呈指數級上升。

接下來，單純比拼畫面渲染速度已經不夠了。類似工具能不能在消費市場站穩，很大程度上取決於平臺能否在創作自由和內容風控之間找到真正的平衡。