AI数字人3D建模只拿到手机自拍和一段口播,却要上实时直播,第一版按特写做细是不是白费力?
结论:手机自拍加一段口播,够做一版能用的半身 AI 数字人3D建模;但如果用途写的是实时直播,第一版直接按宣传片特写做细,常见会在驱动端卡住,回头减面、重烘贴图,多花一到两周。判断口径主要是三件事:素材有没有覆盖侧脸与牙齿、用途是预渲染短片还是实时驱动、驱动端设备与帧率目标有没有先定。按 2026 年项目交付经验,先锁驱动端再定精度,比先做细再优化省事得多。
交付的不是一张脸,是四层资产叠起来的
把数字人建模理解成照着自拍捏一张脸,报价和验收都容易扯皮。实际交付是四层叠在一起的东西,少任何一层,出来的只是一个能动一点的雕像:能截图,不能说话,更不能换表情。
- 几何:头型、五官比例、耳朵、脖子到肩的过渡,决定侧脸是否成立。
- 材质:皮肤次表面散射、毛孔与油光、眼球湿润度、牙齿透度、毛发分层。
- 绑定:面部骨骼、下颌开合、舌与眼皮、眼球独立旋转,拓扑要顺着表情环走线。
- 驱动接口:混合形状集、口型音素映射、骨骼命名与单位朝向,决定能不能接进直播软件或引擎。
按项目交付经验,甲方说「不像」时,问题常见落在材质基准与灯光口径,其次是表情幅度没校对,真正需要重做几何的比例反而不高。这也是只报一个「建模」价、后面很难不扯皮的原因。
素材只有自拍和口播,先过这四道判断
素材够不够,不该用张数判断,而要看有没有覆盖建模必须补的信息。经验上先把这四条过一遍,再谈价格和周期,返工概率低一些。
- 角度覆盖:正脸、左右各 45°、接近 90° 的侧脸,有条件补仰角俯角。只有正脸时,鼻梁高度、下颌角、耳朵位置都要靠猜。
- 光线一致性:同一光源同一色温拍的一组,比十张不同环境光下的自拍有用。强逆光、彩灯、美颜滤镜会改变皮肤明暗关系,材质阶段要额外修。
- 遮挡情况:刘海压眉、眼镜反光、口罩、胡须遮唇,都会影响表情混合形状与口型。
- 用途与景别:只出特写短片,贴图精度可以往上走;要实时直播,面数、材质复杂度和驱动端性能是硬约束,两条路线不同。
第三条最容易被跳过。口播视频里嘴唇被麦克风挡掉一半,唇形只能靠音素推;交付后甲方盯着爆破音不闭合,改的往往不只是混合形状,还牵动下颌与口型的绑定权重。
交付现场:按特写做细的那一版,卡在直播机上
常遇到的情况是这样:甲方发来七八张手机自拍和一段一分钟口播,用途栏写的是做直播,预算按半身写实报,周期给到三周左右(经验区间 2 到 4 周)。建模端为效果把细节做足,贴图给到 4K,面数也留得宽。结果拿去做实时驱动,普通直播机上掉帧、发热,回头要减面、重烘贴图、拆材质,常见多花一到两周,最终画面还不如一开始就按实时口径做。所以现在的做法是开工前先问清驱动端设备、目标帧率、是否要长时间连播,宁可前期多花半天确认,也不在交付前砍效果。
另一类返工来自素材本身:口播视频里嘴唇被挡,口型集只能靠音素推,验收时改一处动一片,最后连原始素材都要补拍。这类代价不在工时,而在顺序。
预渲染版和实时直播版,差别落在哪几处
同一个数字人,交给宣传片和交给直播间,是两条技术路线:预渲染用时间换质量,实时驱动用质量换帧率。开工前把用途定死,比中途改路线省。
- 面数与细节:预渲染常见可到几十万面级,细节靠置换与法线补;实时版常见控制在几万面以内,细节主要由贴图和法线承载。
- 贴图规格:预渲染特写常用 4K 到 8K;实时版常见 1K 到 2K,看设备与显存。
- 绑定与驱动:预渲染可离线解算再手修帧;实时要跑视频驱动或动捕,帧率与延迟优先,表情幅度要收着做。
- 周期:30 秒左右口播短片,建模加绑定常见 2 到 4 周;含实时驱动联调的直播版,常见 3 到 6 周。
- 成本:按项目交付经验,实时版因绑定校对与联调投入更多,常见比预渲染版高三成到一倍,不含硬件。
这组是经验区间,只能用来做预算判断,不能当报价单。真正影响价格的是改稿轮次、要不要真人动捕、要不要接进客户已有的直播系统,以及授权范围。
什么情况适合做,什么情况不必硬上
适合:需要换装、换机位、换角度反复使用;要做实时问答或直播互动;品牌需要长期一致的虚拟形象,后续要接进引擎或网页端。
不必硬上:只在一个固定机位说固定台词、不交互也不换装,3D 的投入产出比通常不如 2D 数字人或真人拍摄。另外,预算只够建模、不够绑定与驱动联调时,交付结果往往只能出静帧,不如一开始就把范围缩到半身静帧加少量表情。
- 适合:展厅讲解、课程录制、品牌口播短片、客服问答、直播主播(需配联调预算与设备确认)。
- 谨慎:要求与真人逐帧一致、极端特写叠加实时驱动、周期压到只够静帧的项目。
交付前怎么验收才算过关
验收只靠「像不像」这一句话很难收口,改成可核对条目,多数扯皮能提前消掉。
- 三角度比对:正脸、45°、侧面截图与参考并排看,重点核对鼻梁、下颌角、耳朵位置与瞳距。
- 五组表情:闭嘴、张嘴、咧嘴、抬眉、皱眉,看有没有穿模、牙龈外翻、眼周拉扯。
- 30 秒口播测试:选一段含双唇音和爆破音的句子,核对口型与声音是否对得上。
- 目标设备实测:在客户实际用的机器上连续跑十分钟以上,看帧率波动与发热。
- 文件规范:骨骼命名、单位、朝向、材质与贴图命名一致,附交付说明,方便对方技术接入。
常见问题
只有手机自拍、没有侧脸,这版还能建吗?
能建,但侧脸、鼻梁和下颌角属于推测。常见做法是先出正面版本给甲方确认,再补拍两三个角度,或提前说明侧脸精度会打折。
一段一分钟口播,够不够做口型集?
够做基础口型集,但素材里音素覆盖不全时,少见音素仍要按规则推。建议录制时把爆破音和圆唇音各念几遍,能省一轮改稿。
从建模到能上实时直播,周期和成本大概什么区间?
按 2026 年交付经验,半身写实加实时驱动联调常见 3 到 6 周;成本比只做预渲染短片常见高三成到一倍,差异主要在绑定校对与联调轮次。
交付给什么格式,客户自己的直播软件能直接接吗?
常见是模型源文件加 FBX 或 GLB,配贴图与材质说明;能否直接接要核对骨骼命名、混合形状集与驱动插件版本,这一步建议开工前先对一遍。
如果手上正卡在素材够不够、要不要按特写做这一步,先把用途、驱动端设备和目标帧率写成一句话,再让制作方按这句话给范围和周期。需要留意的边界是:只做固定机位口播、不换装不交互的场景,不必硬上 3D。
-
AI数字人电脑里肤色正常,投到展厅大屏却发灰,先查屏体还是先改材质?
日期:2026年11月3日 阅读:133
-
AI数字人3D建模,数字人一说话嘴就像慢半拍、爆破音还像没闭上,先查音频还是先查绑定?
日期:2026年10月16日 阅读:240
-
AI数字人3D建模,甲方只给手机照片和一段口播,先做半身口播档,后面要上直播镜头会返工吗?
日期:2026年9月27日 阅读:295
-
AI数字人3D建模总有种“蜡像感”,问题出在哪一步?
日期:2026年9月9日 阅读:308
-
AI数字人3D建模,从建模到交付要多久?返工点一般卡在哪?
日期:2026年8月24日 阅读:329




