数字人口播视频项目指南

数字人口播视频是指用一个固定的虚拟形象加上合成语音，把一段脚本讲出来并配上字幕与包装的成片；它的产出单位是条，不是分钟，所以谈合作时第一件事就是把一条的标准定下来。

一条成片通常包含四层：形象与背景、语音与语速、脚本与字幕、片头片尾与转场包装。四层里任何一层没说清，返修就会来回拉扯，最后卡在没人说得出的感觉问题上。

按形象来源可以分三种：用现成的通用形象、定制一套专属形象、以真人为原型做形象与声音。三种的授权复杂度完全不同，第三种必须先拿到本人书面同意，这一步不能往后放。

把用途也写进需求：官网介绍、课程讲解、门店引流还是账号日更。用途决定了脚本长度、更新频率和验收严格程度，也直接决定按条结算还是按月包段更合适。

第一步，定成片规格。写清时长区间、画幅比例、分辨率、字幕样式、片头片尾要不要，以及交付的文件格式与命名规则，这些细节不写，交付当天几乎必然要重做一轮。

第二步，给脚本模板。提供一条已经审过的样片脚本，标出开场怎么讲、卖点讲几个、结尾怎么引导，再附一份禁用词清单和专有名词读音表，后面几十条的口径才稳得住。

第三步，确认形象与声音来源。用通用形象还是定制形象、声音是通用合成音还是以某人音色为原型，逐项写明并附上对应授权文件，谁提供素材就由谁负责授权。

第四步，排批次而不是排总量：三十条拆成三批，每批先出一条样片确认再批量做。第五步，写验收清单与返修轮次，把免费返修几轮、超出后怎么计费一并定死。

以真人为原型做形象或声音，必须先拿到本人的书面授权，写明可用于哪些渠道、哪些商品类目、使用期限多长、能不能转授权，以及到期之后素材怎么处理。口头同意不算数。

素材侧同样要盘一遍：背景音乐、字体、图片、模板都要能拿得出商用许可凭证。交付时让对方随成片附一份素材来源清单，比事后一个个去追查省事得多，也便于内部备案。

发布侧按各平台的创作规则处理合成内容标识，该勾选的选项勾上，该在文案里说明的说明。公开调研显示，多数受众希望知道内容是怎么生成的，主动标注反而更容易建立信任。

有条件的话，让交付文件带上内容凭证信息，把生成与编辑记录随文件一起保存。行业已有公开的技术规范可循，长期看这是省事的做法，而不是额外负担。