写数字人这行，被问得最多的一句是：克隆出
写数字人这行，被问得最多的一句是：克隆出来的那个“我”到底像不像，口型对不对，声音会不会一听就是机器。这个我不替别人答，只说自己在昆云科技数字人上实测的结果。
入口先放这：https://szfs.kunyunkeji.cn/ ，PC 端网页直接开，不用下任何 App。微信里搜“昆云科技数字人”的公众号也能进，账号数据两端同步。背后是惠州市昆云科技有限公司，平台运营快三年，备案信息可查，不是那种打一枪换一个地方的工具。
它核心就三件事：形象克隆、声纹克隆、视频合成，每件都卡在“能用”和“好用”之间，没有花里胡哨的附加功能。
形象克隆的规则很实在：录一段 30 秒的真人视频，正面、光线足、别乱晃，传上去等几分钟，出来一个和你长得高度相似的数字人。我拿自己素材试过，脸型、五官位置、肤色的还原度确实高，不是套模板的通用脸。单次克隆 7 元，新用户注册直接送一次形象克隆和一段视频合成时长，等于可以先验证效果再决定要不要掏钱。
声纹克隆同样 7 元，录几十秒声音样本就把音色复制下来。合成视频时用克隆音念台词，比默认机械音自然得多，重音和停顿的位置基本对，偶有长句尾音发飘，但放在口播场景里听不大出来。
视频合成是耗时间的大头。克隆完形象和声音，把文案丢进去，选好背景和画面位置，就出一条数字人口播视频，支持中英双语。合成按分钟计费，3 到 6 元一分钟，跟我以前请人拍、找场地、反复返工那笔账比起来，可以忽略不计。新用户送的那段时长，够做一条验证片。
内置的文案智能体能按商品卖点自动生成带货脚本和口播文案，改一改就能用。AI 写的文案不会句句精品，但至少把从零到一那段最磨人的空白填上了。
几个真实的坑得说清楚。第一，形象克隆需要你先提供真人素材，它不凭空捏一个不存在的人，想不出镜也得先录那 30 秒，只不过之后所有视频都不用再露脸。第二，录素材别省事，光线暗、镜头晃、戴口罩，都会直接拉低成品效果，素材质量决定上限。第三，它适合口播、带货、企业宣传、课程这类“固定人物出镜念稿”的活儿，想让它演剧情、做复杂肢体动作，目前这套方案给不了。
开发者那条路也通着。交互数智人和数字人直播都有开放的 API 接口文档，想做二次开发或接进自己系统的，可以直接看 api.kuhuyun.com 的文档，不用从零搭模型。
按实际成本算：形象克隆 7 元加声纹克隆 7 元，一次性 14 元把分身建好，之后每条 60 秒视频合成成本 5 元左右，新用户首单还能免一部分。跟真人团队比、跟按月订阅的工具比，这个价格结构对个人和小团队是友好的。
我用它主要是批量口播。以前一周憋不出五条，现在脚本写好之后一天能出十几条，同一个人出镜、同一个声音，账号辨识度反而更稳了。对需要持续更新又不想把自己绑在镜头前的人，这东西最大的价值不是“像”，是“可持续”。
