編輯|Sia

咳咳， 你還能分辨出什么是真實的嗎？

不僅說話，它們還可以唱歌。

仔細看她的嘴巴、臉頰和眼睛，甚至胸部的起伏，動作細節非常到位，是不是足以以假亂真？

不止是做數字「人」，任何形象——寵物、外星人，你想象得到的，都能立刻動起來。

這就是 HeyGen 剛剛發布的 Avatar IV 模型——只需一張照片、一段腳本、一段聲音，就能生成一個以假亂真的數字人，只需幾秒。

工具鏈接：https://app.heygen.com/home

Avatar IV 亮點可不少。

不止能處理正臉照，還支持側臉、半身、全身等多角度圖像輸入，生成的數字人更立體、更生動，自帶電影鏡頭感，不再是死盯鏡頭的 AI 面癱臉。

更厲害的是，它不僅能說，還能唱。嘴型精準貼合音樂節奏，連眼神、頭部、身體（比如腹部）都會隨之起伏律動，細節拿捏到位。

核心升級來自一項新技術：基于擴散模型的音頻驅動表情引擎。

簡單理解，就是這套引擎能根據語音的節奏、語氣、情緒，自動生成對應的表情與動作。它不是單純對口型，而是能「聽懂」語義和情緒，做出停頓、點頭、語調起伏等細膩動作，像個真正會說話的人。

應用場景也因此拓寬了不少：動畫視頻制作、虛擬寵物擬人化、游戲角色配音、播客內容可視化……統統都能用上。

訂閱用戶可上傳最長 30 秒的語音或文本，生成動態數字人視頻，做個廣告綽綽有余。

免費用戶則有每月 3 次機會，生成最長 10 秒視頻。

好了，看看怎么玩兒。

第一步，訪問 HeyGen 官網，選擇「照片轉視頻」最新模型——Avatar IV。

上傳一張你想讓它開口說話的照片，接著輸入文字腳本+選擇聲音，或者直接上傳一段音頻。

我們上傳的是周星馳的劇照，配上哪吒的 Rap 打油詩音頻：

「天雷滾滾我好怕怕，劈得我渾身掉渣渣。突破天劫我笑哈哈，逆天改命我吹喇叭。」

注意：免費用戶最多生成 10 秒視頻，別貪心，腳本或音頻太長不會被系統支持。

沒有現成音頻？沒關系。系統自帶多種聲音，還能克隆自己的聲音，甚至接入第三方 API。

不過也有些小遺憾——相比英文，系統的中文聲音資源還不算豐富。

你可以根據方言口音、聲音性別、年齡、情緒（比如憤怒、興奮、平靜）、使用場景等維度篩選。

當然，不是每個聲音都支持豐富的情緒表達。

準備就緒，點擊「Generate」，等待片刻，成品視頻立刻送達。

嘴型精準匹配，眼神、頭部、身體微動跟隨語音節奏，連喉結都跟著上下浮動，真實感拉滿。

接下來我們試了個更大膽的操作：

上傳編輯部同事家邊牧的照片，讓它來一段全球爆火的《APT.》。

照片中邊牧正好伸著舌頭，導致數字人效果略顯出戲，但其他部分表現依然在線，尤其是腹部細節，做得很到位。

蘇格蘭國立美術館用 X 光掃描梵高畫作《農婦頭像》，意外發現畫布背后竟藏著一幅自畫像，層層膠水和硬紙板封印多年。

于是我們嘗試：讓勃魯蓋爾筆下的名畫《老婦人的肖像》播報這則新聞——一下子，吸睛指數拉滿。

那么，問題來了——你想做個什么樣的數字人？還等什么，快去試試吧。

以后我們會帶來更多好玩有用的 AI 評測，也歡迎大家進群交流。

? THE END

轉載請聯系本公眾號獲得授權