最近公司有个需求，需要在产品里接入数字人视频相关的 API 。老板的想法是先小规模试运营看看效果，所以前期不太想投入太多资金。我的需求大致如下：

1. 基础要求：支持不限量或能大量定制数字人 + 声音克隆。
2. 视频对口型：视频 + 文本 + 定制声音 → 新的视频。
3. 图生视频：照片 + 文本 + 定制声音 → 新的视频。
4. 上传营销视频生成：上传现成的营销视频 + 自己的照片 + 自己的音频或文本 + 克隆的声音，生成新视频。（目前只看到阿里通义万相的“通用视频编辑-局部编辑”，0.70 元/秒可以实现，但效果真的不太行）

第 4 点其实已经不抱希望了。至于为什么不考虑自研部署：一方面自己部署太折腾，另一方面算下来应该比直接买服务更贵。

我调研了几个平台，发现一些问题：

• 阿里

  • 视频口型替换：如果音频长于视频，会用“倒放-正放”交替模式扩展视频时长，结果就是看起来不太流畅。
  • 图生数字人：最长只有 20 秒，实在太短。
  • 图生唱演视频：只适合大头照，照片里一旦有手就容易错乱。

• 客易云

  • API 对接门槛是 5000 起，前期投入太高。
  • 目前没看到能直接“图生数字人”的能力。

• 蝉镜

  • 需要专业版及以上才能对接 API ，成本偏高。
  • 声音克隆有不少限制。

• 字节即梦

  • 数字人 API 还未放开。

参考截图：

想问下大家，有没有用过类似的数字人 API ？或者有没有性价比更高、效果更好的平台推荐？