数字人 · 技术架构
数字人视频生成的工程化链路 -- 异步批量生成（图 + 音频 -> 视频文件），按音频时长计费。链路结构跨云同形态，可平迁 AWS / GCP / Azure。可控性手段与 02 AI Shorts 生产管线 同源 -- 稳定的层约束易变的层。
跑通指标
1080P+
输出分辨率
6+ 语种
全球语言覆盖
~3min
端到端耗时
按音频时长
计费模型
调用链路
一条数字人视频的端到端生成链路，五个阶段全是异步可控的云原语：
对象存储上传 -> 签名 URL -> 异步视觉生成 API -> 轮询 -> 下载
鉴权：云厂商 AK/SK V4 签名（与同厂商 LLM 网关的 Bearer key 不通用）。本质是
AWS Signature V4 同形态协议，跨云可平迁 -- 换云不换链路，工程对接成本基本对等。
可控性手段
数字人也是概率生成（口型、自然度、多语种一致性都有随机性）。和 AI Shorts 生产管线 同源 -- 四个手段层层递进，把"碰运气生成"收编成"可控交付"：
① 音频锚定先行
先定音频（脚本 + TTS），数字人只对音频驱动口型。把"不可控的视觉生成"降级成"受控的口型同步"，风险面缩一个数量级。
② 模板收敛生成空间
预设形象 / 服装 / 背景模板，生成只在参数空间内变化。把"开放生成"变成"参数化生成"，变异只来自参数。
③ 时长截断控价
成片时长 = 计费时长 = 单价，可控性直接转化为成本可控（见 成本结构）。
④ 良率兜底重试
不过关的回到上游重生 -- 生成是概率的，修正是确定的。
同源：和 02 Shorts 一个手艺 -- 稳定的层（模板、时长、质量门）约束易变的层（生成参数）。模型每季度换，工艺不换。
成本结构
单条 SKU 数字人视频的边际成本由四个维度构成，每个维度的可控杠杆不同：
- 生成 API（时长驱动）：按音频时长计费，是成本大头。杠杆 = 时长截断，让"客户能接受的成片时长"直接转成"每条 SKU 单价上限"
- 多语种 TTS：每多一个语种多一份音频合成。杠杆 = 共享口型基座，语种差异化只重合成音频层、不重跑视觉
- 存储 / 带宽摊销：批量异步生成摊薄单条固定开销，长尾轮播复用同一资产
- 良率重生成：失败或不满意的重生成摊到每条，是隐性成本。杠杆 = 模板预设收敛生成空间，把"抽卡式生成"变成"参数化生成"，重生成率从不可控变可预测
判断：时长驱动是大头，
ffmpeg -c copy 流复制截断（不重编码）是最大杠杆点；良率是隐性成本，靠模板收敛压（手段见上方可控性手段）。这套结构支撑的 ROI 测算 ->
场景定位
适用场景：异步批量生成（图 + 音频 -> 视频文件），覆盖电商直播三大高频场景：SKU 讲解预录、多语言本地化变体、夜间长尾时段轮播。