近日，可靈AI數字人正式亮相，憑借領先的口型精準度、情緒動作演繹和跨風格泛化能力，重新定義了數字人技術的行業標桿。用戶僅需上傳一張角色圖片、輸入角色表達內容或一段音頻，就能生成最長1分鐘、極具表現力的數字人視頻，而且支持多類角色及中英日韓多語種，最低價格僅0.12元每秒，廣泛適用于廣告、電商、娛樂、媒體、教育等眾多場景。目前產品公測陸續開放中。

極簡輸入、高質輸出：一張圖實現分鐘級數字人生成

可靈AI數字人極大降低了行業的制作門檻，用戶只需提供一張角色圖（支持寫實人物、動漫、動物等多種角色），輸入一段文字或音頻，即可一鍵生成最高達1080p分辨率、48FPS高幀率的高質量數字人視頻。

該功能可支持生成最長達1分鐘的數字人視頻，可輕松滿足產品講解、新聞播報、在線教育等多種場景需求，結合會員優惠最低價僅0.12元/秒（標準價格：高品質模式8靈感值/秒，標準模式4靈感值/秒），讓高品質數字人技術不再是少數專業機構的專利，真正賦能廣大內容創作者與中小企業。

此外，為了實現“開箱即用”的便捷體驗，可靈AI還提供了一站式解決方案。既支持用戶上傳自有素材，也可以使用內置的官方形象庫、AI生圖功能以及近百種TTS音色，輕松完成從角色創建到配音的全流程。

角色演繹“神形兼備”  

在數字人的核心能力——“表現力”上，可靈AI展示了其深厚的技術功底，不再滿足于同類產品簡單的音畫同步，而是追求角色“神形兼備”的生動演繹。

（可靈AI數字人視頻截圖）

在對口型這一基礎指標上，可靈AI數字人展現出了業界領先的精準度。實測案例中，一位女歌手正演唱英文歌曲，其唇形與快速變化的歌詞音節完美貼合，復雜口型也表現出色。而根據提示詞“眼神專注自信地唱歌”，數字角色更呈現出自信的眼神、持麥的自然姿態，以及與觀眾互動的微笑，生動還原了歌手在舞臺上的表演狀態。

同時，憑借可靈視頻模型的強大能力，可靈AI數字人展現出優秀的泛化性能，無論是寫實人物、動漫卡通、動物形象，皆可生成高質量數字人視頻。在卡通貓咪唱英文Rap的案例中，可靈AI精準地捕捉音頻節奏，生成了一只一邊說唱、一邊隨節奏自然搖擺身體的“Rapper貓”，跨越不同角色風格界限，賦予角色生命力。

提示詞驅動角色表演 情緒與動作精細可控  

區別于僅“動嘴皮”的數字人，可靈AI數字人還帶來了對情緒的深刻理解與表達，而且可通過提示詞精細化控制角色情緒與肢體語言，實現“有靈魂的表演”。

（可靈AI數字人視頻截圖）

在這個表現“憤怒”情緒的案例中，根據音頻內容和提示詞“內心全是氣憤，非常生氣”。模型精準地將這種抽象情緒轉化為具體的面部微表情——緊鎖的眉頭、緊抿的嘴唇和充滿壓迫感的眼神，將角色的內心怒火展現得淋漓盡致。

基于可靈AI視頻模型，依托多模態理解大模型與視頻生成模型的深度融合，可靈AI數字人突破傳統音畫同步的表淺擬合，首次實現從「聽聲音」到「懂意圖」的跨越。在口型準確度已達行業領先的基礎上，可精準解析輸入的語音、圖像和提示詞，對長視頻中數字人情緒、動作與運鏡作出精準規劃，確保生成內容緊密呼應敘事意圖與情感脈絡，真正完成從對口型到情節演繹的升級。

技術驅動 打造數字人行業標桿

可靈AI數字人的卓越表現，得益于其背后多模態理解大模型與視頻生成模型的深度融合。通過音畫高度對齊的交叉注意力機制、強化口型的訓練策略以及精細化的數據處理，實現了語音與唇形的精準同步，即使面對多語種、歌唱或極快語速的臺詞，仍能保證唇形與發音嚴絲合縫。而采用關鍵幀控制的架構，模型先構建高層次敘事骨架，再并行生成多個片段的數字人視頻，可在保持身份一致的前提下，實現無限長度視頻生成。

專業測試中，可靈AI數字人與行業知名產品Heygen及即夢數字人（Omnihuman-1方案）進行了效果對比。結果顯示，可靈 AI 數字人在整體效果及多個細分維度上均表現優異，與即夢數字人（Omnihuman-1 方案）對比的整體 GSB 得分達到 2.39，與 Heygen 對比的整體 GSB 得分達到 1.37，位居行業領先。

* GSB 指標用于衡量群體意見的一致性和正負傾向，GSB 值越大，說明模型優勢越大

* 評測時間：Heygen于2025.08.25評測；即夢于2025.07.22評測。

可靈AI作為全球領先的視頻生成大模型，自2024年6月發布以來已完成超30次迭代，用戶規模突破4500萬，生成視頻數量超2億，為超過2萬家企業提供API服務，覆蓋廣告、影視、游戲等多個領域。隨著可靈AI數字人的推出，將進一步降低行業創作門檻、提升制作標準，推動其在短視頻、電商直播、在線教育、企業服務等領域的規模化應用。