隨著技術(shù)的發(fā)展，數(shù)字人從一開(kāi)始的面癱橡皮人，到現(xiàn)在已經(jīng)可以做到惟妙惟俏的表情及交互效果，行業(yè)發(fā)生了怎樣的變化？這篇文章，我們看看作者為我們分析的當(dāng)前市場(chǎng)行情。

隨著 AIGC、3D 建模、文生視頻等技術(shù)發(fā)展，虛擬數(shù)字人能夠通過(guò)智能交互協(xié)助企業(yè)進(jìn)行知識(shí)傳遞、互動(dòng)問(wèn)答、智能咨詢(xún)、產(chǎn)品推介、服務(wù)導(dǎo)覽等；相較于真人，有「及時(shí)反饋互動(dòng)性高、全天候服務(wù)、個(gè)性化和定制化、跨文化跨語(yǔ)言傳播、成本低效益高」等優(yōu)勢(shì)。

本次調(diào)研圍繞「數(shù)字人交互視頻創(chuàng)作」領(lǐng)域，專(zhuān)注于分析其海外市場(chǎng)情況、競(jìng)爭(zhēng)產(chǎn)品、客戶(hù)分析、可行性等。

一、行業(yè)背景

數(shù)字人交互視頻：指通過(guò)虛擬角色（數(shù)字人）與企業(yè)客戶(hù)進(jìn)行互動(dòng)的一種視頻形式。由 AI、3D 建模、語(yǔ)音合成等技術(shù)驅(qū)動(dòng)的數(shù)字人，通過(guò)模擬真實(shí)人的外貌、行為和語(yǔ)言，來(lái)參與品牌推廣和用戶(hù)互動(dòng)，實(shí)現(xiàn)與用戶(hù)的深度溝通，提升品牌影響力和用戶(hù)體驗(yàn)。

整體而言，數(shù)字人交互視頻所處于的完整數(shù)字人企業(yè)服務(wù)市場(chǎng)規(guī)模：市場(chǎng)規(guī)模 44 億美元、復(fù)合年增長(zhǎng)率 37.9%。

其核心應(yīng)用場(chǎng)景面向于互動(dòng)式在線(xiàn)教育與培訓(xùn)、客戶(hù)服務(wù)與產(chǎn)品介紹、虛擬會(huì)議與客戶(hù)交流、個(gè)性化營(yíng)銷(xiāo)與廣告、虛擬導(dǎo)覽與沉浸式體驗(yàn)、虛擬面試與招聘、健康咨詢(xún)與支持等。這些場(chǎng)景的內(nèi)容共性均為預(yù)置內(nèi)容確定、面向受眾的通用性強(qiáng)，同時(shí)其服務(wù)屬性偏向于互動(dòng)范圍基于預(yù)置內(nèi)容為主，角色屬性強(qiáng)烈的場(chǎng)景。

二、市場(chǎng)概述

首先明確本次調(diào)研的市場(chǎng)范圍：面向企業(yè)服務(wù)的海外數(shù)字人交互視頻創(chuàng)作類(lèi)產(chǎn)品，既能支持?jǐn)?shù)字人講解 PPT、又能交互性問(wèn)答。

2.1 主要參與者（海外）

同時(shí)補(bǔ)充下國(guó)內(nèi)主要參與者以及其他相關(guān)方向廠(chǎng)商（如互動(dòng)式 PPT 講解）：

2.2 市場(chǎng)現(xiàn)狀

主要參與者的企業(yè)經(jīng)營(yíng)現(xiàn)狀中，從 2017-2024 陸續(xù)都有融資，金額約在千萬(wàn)級(jí)別，正在從早期的市場(chǎng)驗(yàn)證向更大規(guī)模的運(yùn)營(yíng)過(guò)渡，員工人數(shù)平均約在 50-100，收費(fèi)模式訂閱制為主、約幾十美元 / 月，同時(shí)，chatGPT 預(yù)估這些廠(chǎng)商的平均客戶(hù)為數(shù)百個(gè)、個(gè)別數(shù)千個(gè)。

市面上暫無(wú)直接相關(guān)的投融資數(shù)據(jù)，只有從側(cè)面進(jìn)行收集：Y Combinator 近 3 年，暫無(wú)數(shù)字人創(chuàng)投項(xiàng)目，有個(gè)別語(yǔ)音 / 文字對(duì)話(huà)項(xiàng)目；ProductHunt 上搜數(shù)字人相關(guān)，基本也是以生成數(shù)字人視頻類(lèi)對(duì)主；企查查上搜「虛擬人」「數(shù)字人」「人工智能 視頻」融資事件，面向本細(xì)分領(lǐng)域的較少。整體而言，數(shù)字人目前投融資不是非常熱門(mén)。

三、產(chǎn)品調(diào)研

經(jīng)過(guò)對(duì)以下7款產(chǎn)品的詳細(xì)調(diào)研：

有如下關(guān)鍵調(diào)研發(fā)現(xiàn)：

需求范圍廣：

除了美國(guó)外，韓國(guó)、歐洲、新西蘭、以色列等國(guó)家均有類(lèi)似產(chǎn)品涉及，說(shuō)明需求覆蓋度相對(duì)全球化、通用化

核心產(chǎn)品形態(tài)和流程類(lèi)似：

1. 選擇創(chuàng)建方式（文本 / 圖片 / URL/PPT/PDF 或模板，來(lái)生成視頻）
2. 進(jìn)入視頻配置頁(yè)：配置語(yǔ)音、語(yǔ)言、腳本、屏幕、手勢(shì)
3. 視頻高級(jí)設(shè)置：配樂(lè)等
4. 視頻導(dǎo)出 / 分享

產(chǎn)品能力區(qū)別在于：

1. 聲音、語(yǔ)音、語(yǔ)言、AI 頭像支持的數(shù)量和質(zhì)量程度不同
2. 個(gè)別有團(tuán)隊(duì)素材管理能力、利于團(tuán)隊(duì)管理
3. 個(gè)別有更易分享到其他平臺(tái)的打通能力

3 種形態(tài)廠(chǎng)商側(cè)重點(diǎn)發(fā)現(xiàn)：

1. 只能支持?jǐn)?shù)字人講解 PPT 視頻，不支持問(wèn)答的產(chǎn)品：因?yàn)檎嫒酥皇莾?nèi)容一小部分，因此擬人程度較弱，更發(fā)力在內(nèi)容在多個(gè)維度的預(yù)置豐富程度上
2. 只能支持?jǐn)?shù)字人交互性問(wèn)答的產(chǎn)品：真人在內(nèi)容幾乎占全屏，擬人能力極強(qiáng)、支持高度定制化
3. 二者都能支持，但功能是獨(dú)立的的產(chǎn)品：注重在數(shù)字人交互領(lǐng)域各種能力的豐富度，不僅有視頻生成，還有視頻翻譯（例如給一個(gè)中文真人視頻換上英文的口音和嘴形）等能力

四、核心需求分析

在以下3類(lèi)場(chǎng)景中，教育培訓(xùn)與產(chǎn)品介紹整體實(shí)現(xiàn)門(mén)檻低、數(shù)字人需求訴求高；客戶(hù)服務(wù)數(shù)字人訴求一般、實(shí)現(xiàn)門(mén)檻高；內(nèi)容營(yíng)銷(xiāo)數(shù)字人訴求高、模板 / 行業(yè)要求高。同時(shí)，數(shù)字人行業(yè)目前仍舊存在用戶(hù)對(duì)虛擬人的接受程度、企業(yè)定制化要求程度高的問(wèn)題。

五、實(shí)現(xiàn)可行性

結(jié)論：核心技術(shù)不建議自研，調(diào)用現(xiàn)有開(kāi)源技術(shù)初步實(shí)現(xiàn)難度不大，但是要定制和精細(xì)還是需要非常資深的相關(guān)技術(shù)。

核心產(chǎn)品架構(gòu)參考：

商湯如影平臺(tái)架構(gòu)圖（2024 大模型賦能下的 AI-2.0 數(shù)字人平臺(tái)白皮書(shū)_商湯科技_2024-1.pdf）

戴爾：利用 uneeq 數(shù)字人服務(wù)商搭建自己的數(shù)字人服務(wù)（戴爾 dell：設(shè)計(jì)指南 —— 企業(yè)中的生成式人工智能數(shù)字助理.pdf）

綜合前述調(diào)研，整體而言，鑒于市場(chǎng)的增長(zhǎng)潛力和用戶(hù)真實(shí)存在的需求，該方向可行度較高。

在打法策略上，前期重點(diǎn)面向教育培訓(xùn)與產(chǎn)品介紹（擬人要求低、數(shù)字人訴求高），與教育機(jī)構(gòu)、企業(yè)服務(wù)提供商等建立合作，共同開(kāi)發(fā)市場(chǎng)，后續(xù)再鋪開(kāi)客戶(hù)服務(wù)（擬人技術(shù)要求高）、短視頻營(yíng)銷(xiāo)（模板要求高、語(yǔ)音 / 語(yǔ)言 / 頭像等維度要求復(fù)雜）。

在具體實(shí)現(xiàn)上，技術(shù)可調(diào)用開(kāi)源和現(xiàn)有技術(shù)，開(kāi)發(fā)既能支持?jǐn)?shù)字人講解 PPT、又能交互性問(wèn)答的產(chǎn)品；但同時(shí)產(chǎn)品也需要上手難度要夠低、交互要夠簡(jiǎn)單（因?yàn)槊嫦虻娜巳罕旧矶疾皇呛苌瞄L(zhǎng)做相關(guān)配置的角色，是一種新的產(chǎn)品試用習(xí)慣培育過(guò)程）。