最近在琢磨用AI数字人做音乐视频这套流程，市面上主流的数字人模型试了两个下来，感受还挺不一样。核心的痛点其实一直是口型对齐和表情自然度，画面再好看，嘴对不上音乐节奏就一秒出戏。
一站式的工具好处是省心，把生成、驱动、合成串到一条线上，不用在几个软件之间来回导素材。但也有代价，越是打包好的流程，可调的细节就越少，想抠某一帧的表情就没那么灵活。
对追求效率的人来说够用，对较真的人可能还得回到分步工作流。做几条短视频试水完全没问题，商用出片就得看具体项目要求了。
口型对齐是老大难，嘴对不上真的一秒出戏
一站式省心但可调细节少，这个取舍说到点子上了
1 个赞
求问哪两个模型啊，想跟着试试
表情自然度这块现在整体还是差口气
同求型号，口型这块现在整体还是差口气，嘴对不上再好的画面也一秒出戏