D-ID翻译站点

D-ID是什么

D-ID是提供数字人视频和交互式数字人的技术公司。普通创作者可在D-ID Studio选择人物，输入脚本或录音，制作带面部动画和口型的讲解视频；企业和开发者还可使用Visual Agents及API，让数字人根据知识资料回应用户的文字或语音提问。前者交付预先生成的视频，后者需要持续运行的交互服务。

D-ID成立于2017年，共同创始人为Gil Perry、Sella Blondheim和Eliran Kuta。Creative Reality Studio于2022年9月19日发布，早期重点是以单张图片生成主持人视频；同年12月进一步整合文本、图像和人物动画生成。2025年，D-ID收购解说视频平台simpleshow，继续扩展企业内容制作业务。

此后，产品逐渐从“按稿讲述”延伸到“围绕内容交流”。2026年3月发布的V4 Expressive Visual Agents加入情绪表达与实时交互；4月的Agentic Videos则将问答入口嵌入视频观看过程。它依赖相应播放器及交互服务，下载一份普通MP4并不会同时获得可对话的Agent。

主要功能

不同素材建立不同类型的数字人

数字人产品线按素材要求和用途区分。V2从正面图片建立人物；V3 Instant使用短视频，保留更多原始背景与动作信息；V3 Pro需要更完整的录制素材，并可通过绿幕处理背景；V4 Expressive使用带不同情绪表现的素材。预设角色和个人定制角色也有不同的开通条件。

选角色前应先确定交付形式。V3 Instant用于视频输出；需要实时交互时，应选择支持流式使用的类型。企业定制人物还涉及录制、本人同意与相应方案，不宜只按头像外观挑选。

Studio多场景视频

Studio把人物、脚本、声音和媒体素材组合为场景。每一场可设置自己的讲解内容和视觉，复制场景则能沿用版式。上传的图片、GIF或片段可调整位置、大小、裁剪、旋转和层级，视频素材的音量也能单独处理。这样可以把一个培训主题拆成“背景说明、操作演示、总结”等连续部分，而不必始终让人物占据整个画面。

完成生成后可从作品库下载或分享。Pro及以上方案可导出独立SRT字幕；SRT是字幕文件，需在发布平台挂载或后期合成，不能把它当作已经烧录进视频的字幕。草稿也不能直接作为成品下载。

Visual Agents知识问答

Visual Agents允许设置人物、语言、声音、职责、行为指令和知识内容，再通过链接或网站嵌入对外使用。知识可来自PDF、TXT、PPTX或直接输入的文本。Grounded模式围绕所提供资料回答，Hybrid模式同时利用一般知识，Ungrounded则不以自有知识库为主要依据。

例如面向产品使用问题的Agent，应准备经过整理的功能说明和常见问答，并明确哪些问题不回答。知识来源模式不能代替准确性检查：上传资料中的过期参数、歧义和内部信息，都可能影响对外回答。

适合哪些工作

• 培训与流程说明：将讲师脚本拆成多个场景，用数字人负责解释，截图、图示或录屏负责展示细节，适合需要定期更新内容的课程。
• 产品演示和营销介绍：通过固定人物保持系列视频的一致形象。具体参数、价格及承诺应来自已确认的业务资料，避免让生成脚本自行补充。
• 网站导览与常见问题：用Visual Agent接收访客问题，围绕公开资料回答，并为超出范围的问题提供人工渠道。需要同时考虑知识维护和访问产生的用量。
• 交互式学习：将预先讲解与问答结合，让学习者在观看后继续追问。课程内容、交互入口和普通视频下载应分别设计交付方式。

如何制作一段数字人讲解

以“员工入职流程介绍”为例，可先准备已经确认的流程稿、部门联系信息和几张业务界面图，再按Studio制作流程操作。

1. 创建项目和角色。选择Create video，使用角色库人物，或按所选类型上传已授权素材。使用照片时，保持正面、光线清楚、面部无遮挡；官方图片建议中的脸部尺寸至少为200×200像素。
2. 输入脚本或录音。在Script区域填写文案，选择并试听声音；也可使用录好的音频。音频上传限制为10MB、最长5分钟，支持MP3、WAV、M4A等格式，这是单次输入限制，不等于所有成片都只能做5分钟。
3. 按内容拆分场景。每场讲清一个流程节点，再加入相应界面或说明图。复制场景可以延续样式，媒体层则用于安排人物与示意图的位置。
4. 确认声音再生成。先检查人名、部门简称和停顿，再执行Generate video。生成后复核口型、声画时序和文本信息，从作品库下载最终视频。
5. 处理发布方式。如需字幕文件，使用对应方案导出SRT，并在目标平台检查字幕是否正确加载。人物和声音的授权范围应覆盖实际发布用途。

如果目标是问答服务，应另外进入Agents创建Agent：设置语言和职责，上传对外可用的知识，选择回答模式，再在预览中测试“资料内问题、资料外问题、容易误解的问题”。确认回答范围后发布链接或嵌入网站。分享后的交互会消耗创建者账号额度，公开入口的用量也应纳入预算。

Studio按视频生成时长扣除额度，并按15秒单位向上取整，未使用分钟不滚存。Trial与Lite带水印；使用许可将Trial、Lite和API Build限定为个人用途。制作商业内容时，需要选择明确包含商用许可的方案，同时拥有输入图片、声音和脚本的相应权利。

D-ID与HeyGen如何比较

制作预录讲解视频时，D-ID与HeyGen AI Studio都支持头像、场景、脚本及自有素材。D-ID的选型重点是不同数字人类型的素材要求，以及是否要在后续用于交互；HeyGen则可在脚本文字上设置元素出现和消失标记，适合进一步比较脚本与画面同步的编辑方式。

需要实时问答时，应单独比较部署流程。D-ID提供Visual Agent知识与行为配置；HeyGen的实时产品为LiveAvatar，有独立方案和额度，其实时头像与常规视频头像不能默认直接跨用。已经购买视频制作方案，并不意味着实时数字人服务也包含在内。

因此，先确定是交付视频文件，还是交付可以持续接待访客的问答入口，再比较录制要求、知识控制、嵌入方式和成本。仅凭某张人物演示图，无法判断它在自己的脚本、语言和部署环境中的表现。