0.2 元一秒、每秒 8-9 个微表情：百度把「数字人视频」做成了一条流水线，但 1080p 是另一个价
先讲结论
- 11 月 12 日百度世界大会上，百度一镜（原来的电商直播数字人工具「慧播星」）发布了自研视频生成模型，把自己定位成「便宜到可以量产」的数字人视频底座。
- 三个升级点：成本最低到 0.2 元/秒；文心一镜微表情模型做到 每秒 8-9 个微表情、AU 级面部控制；实时交互做到 全画幅、低于 2 秒响应、支持无限时长。
- 同一天还开了「短漫剧 Studio」：剧本 Agent + 成片 Agent，加一键转绘，能把国产短剧连人带景换成海外版本。
- 关键提醒：0.2 元/秒 和 0.7 元/秒 是两个不同的档。0.2 是最低成本的量产口径，千帆上标的 1080p、单条 4-15 秒那条是 0.7 元/秒。别拿一个数字套所有场景。
> 说明：百度这次没有放出完整的模型卡和第三方评测，本文基于多家媒体转述整理，价格与能力以官方通稿口径为主，标注了差异的地方会单独说明。
这到底是什么
一句话：它不是一个「你打一句话就出大片」的通用视频模型，而是一套专门拍人的视频生产线。
以前的数字人视频，本质是「让一张照片念稿」：嘴会动，脸不会演。这次百度动的是三件事：
- 便宜。官方说靠混合扩散蒸馏加稀疏化建模，把推理成本压到 0.2 元/秒；Fast 版做到 1:1，10 秒的视频 10 秒出。
- 会演。新发的文心一镜微表情大模型（ERNIE-Wizshot-ME），把表情拆成 6 个维度、200 多个子维度来控，落到 AU（面部动作单元）级别，每秒最多 8-9 种微表情。它还把文字、画面、语音塞进了同一个模型，脚本最长 4000 字，配音按整篇文稿一次生成——以前是每 30 秒左右切一段拼接，语调断点就出在接缝上。
- 能对话。全画幅实时生成 + 流式输出，自回归架构配检索式记忆，官方说响应低于 2 秒，且支持无限时长不「变脸」。
规格上，千帆那条标的是 1080p、单条 4-15 秒。也就是说：它擅长的是「人在说话、在演」的近景口播和短剧镜头，不是风景航拍和复杂运镜。
为什么值得关心
因为瓶颈换位置了。
过去一年，AI 视频的竞争是「谁画得更好看」。一条 10 秒片子几块钱、几十块钱，创作者的习惯是「抽十次挑一条」。当单价掉到 0.2 元/秒，一条 10 秒镜头两块钱，抽卡成本就不再是决策点——决策点变成了「你有没有值得拍十遍的剧本」。
这也是百度这次同时推短漫剧 Studio 的原因：它赌的不是单条视频的质量，而是「一个 IP 能不能批量变成一百集」。现场拿可口可乐做的例子是「围绕伯牙子期写一支广告」：编剧 Agent 定切入点，导演 Agent 排镜头（什么时候推拉摇移、什么时候给微表情特写、光怎么打），视频模型出画面，微表情模型补表演。
对普通读者更直接的意义是：你在短视频里刷到的「AI 脸」——五官各动各的、情绪用力过猛——这类模型就是专门来修这个的。网易「头号AI玩家」的实测里举了一段 10 秒无台词片段：错愕、低头忍泪、下巴发抖、抬头坚定，四段情绪是连着的，不是四张脸拼起来。
怎么用（按人群分）
如果你是做短剧 / 漫剧的
- 先用剧本 Agent 把小说或灵感跑成分集大纲，别一上来就生成画面。
- 单集按 4-15 秒一个镜头切，让模型只负责「人 + 表演」，运镜交给导演 Agent 或后期。
- 出海版本用一键转绘，但先核台词和字幕：转绘改的是长相、服装、场景陈设，台词逻辑它不会替你本地化。
- 先用 Fast 版跑 1:1 的低清版本过节奏，定稿再出 1080p。这一步能省掉大部分钱。
如果你是电商 / 本地生活商家
- 上传 3-5 张商品图就能批量出多语言、多模特的带货视频，这是它从慧播星继承下来的老本行。
- 直播场景可以先用 Lite 版试水（官方说百元级/月起），跑通了再上千元级。
- 4S 店、门店接待这类「一对一问答」场景，价值在低于 2 秒的接话延迟 + 长时记忆，不在画面多漂亮。
如果你只是好奇想试
新用户有「创星计划」300 元视频积分，够跑一批 10 秒片段了。建议第一件事不是生成美女，而是拿一段你自己写的 200 字口播稿，看它断句和重音落在哪——这才是数字人能不能用的分水岭。
不适合谁
- 要电影级运镜和复杂物理的：它给的是 4-15 秒近景人像，不是长镜头调度。想要航拍、追车、水花，去找通用视频模型。
- 要「一句话出成片」且不改稿的：短漫剧 Studio 的 Agent 会给你方案，但方案要人签字。指望全自动出爆款，现在的产品还没到。
- 做真人 IP 又不愿授权肖像的：这条线本质是「用你的脸批量生产」，授权和合规要自己先想清楚。
- 对价格极度敏感的批量需求：先确认你买到的是哪一档。0.2 元/秒 和 0.7 元/秒 差 3.5 倍，混着算预算会翻车。
几个容易踩的坑（注意事项与常见错误）
- 把通稿数字当报价。0.2 元/秒是「成本下探」的表述，千帆上 1080p 4-15 秒标的是 0.7 元/秒。签约前按你的分辨率、时长、并发去问实际单价。
- 忽略「单条 4-15 秒」这个限制。它决定了你的分镜必须切得碎。想一镜到底 30 秒，得靠拼接，接缝处的身份一致性要自己验。
- 以为「无限时长」等于「一直很稳」。官方说支持无限时长稳定互动，但简历式演示和你的实际素材不是一回事，长时段一定要自己跑 10 分钟以上压测。
- 转绘后不重录配音。转绘换的是人和场景，语音如果沿用原轨，口型对不上会很出戏。
- 拿「比业界低 50%」当结论。这是厂商口径，截至发稿没有独立第三方价格或质量实测。
成本和时间
- 视频生成最低成本：0.2 元/秒（百度通稿，新京报、环球网、中国青年网口径一致）
- 千帆 1080p 标价：0.7 元/秒，单条 4-15 秒（科技日报 digit.cn 查千帆产品页）
- 生成速度：Fast 版 1:1，10 秒视频约 10 秒（百度通稿）
- 交互延迟：低于 2 秒（百度通稿）
- 脚本长度：最长 4000 字，篇章级配音（科技日报 + 百度通稿）
- 微表情：每秒最多 8-9 种，AU 级控制（百度通稿 + 网易实测）
- 试用额度：新用户 300 元视频积分（百度「创星计划」）
按 0.2 元/秒算，一条 30 秒成片约 6 元；按 0.7 元/秒算约 21 元。这个差价就是你该先问清楚的那句话。
下一步可以做什么
- 今天：翻一遍你手上最长的口播稿，把它切成 4-15 秒的镜头表。切不出来，说明这个工具现在帮不上你。
- 这周：用 300 元积分跑同一段稿子的三个版本（不同情绪指令），看微表情是不是真的「连着的」。
- 这个月：如果要出海，拿一集已有内容做转绘测试，重点看台词本地化和口型，而不是看脸好不好看。