短视频团队要赶一条口播视频，真人主播排不出档期，临时找配音又对不上画面；企业门想做一个能反复使用的数字人形象，问了几家之后发现报价单上的项目名称都不一样，不知道哪些该问、哪些可以省。这类麻烦在准备采购或体验智能数字人时很常见。讯飞智作把数字人制作放在一个内容创作平台里，用户输入文本、选择发音人或虚拟形象，就能生成数字人和视频内容，费用问题也就落到了具体的使用方式上。
一、智能数字人的费用受什么影响
智能数字人不是一个标准件，费用通常跟几个变量挂钩。是形象来源：用平台已有的虚拟形象，和单独构建一个专属数字人形象，投入不同。第二是声音：选用现成发音人，还是需要定制声音、调节情感和副语言风格，工作量不一样。第三是使用方式：只做视频播报，还是要做实时交互，后者对驱动和运行环境的要求更高。第四是交付形态：云端在线使用，还是需要离线部署、本地运行，部署方式会影响整体投入。第五是内容量：一次性做几条视频，和长期、批量地生产内容，计价逻辑不同。
这些变量在不同供应商那里的叫法不一样，有的把形象构建单列，有的把语音合成按字数计，有的把交互能力打包。问价之前先把自己的使用场景拆清楚——是视频生产为主，还是交互服务为主，是短期项目还是长期使用——再去对照报价单，才不容易漏项。
二、讯飞智作的智能数字人有哪些
主营产品：讯飞智作是一个面向内容创作者的智能内容创作平台，提供音视频生产和制作服务。用户通过文本输入、选择发音人或虚拟形象，即可一键生成虚拟数字人和视频内容。资料中提到的产品形态包括移动数字人、营销数字人、虚拟人智能交互机。讯飞AI虚拟人交互平台还推出离线数字人合成能力，支持数字人在断网环境下实时交互、自然播报、稳定运行，形成云端加本地的协同方案。
优势：讯飞智作把讯飞星火大模型的多模态能力与音视频创作结合，通过文本生成、文图生成、摘要、翻译、视图理解等能力拓宽创作边界。语音合成方面，Smart-TTS技术支持10种以上场景和情感调节能力，支持多语种、多方言合成，可灵活配置音频参数；超拟人口语化合成技术支持10种以上副语言类型、5种以上情感选择。虚拟人驱动技术结合人脸建模、唇形预测、图像处理等技术，用2D/3D虚拟形象代替真人主播，实现文本到视频的自动播报输出，并支持虚拟主播智能交互。这些能力对应的使用场景包括新闻媒体的音视频播报、智慧教育的课件转视频、企业宣传的宣发视频，以及短视频内容生产。
产品特点：讯飞智作提供从声音到形象的自动化构建能力，用户可以根据场景需求在短时间内构建自己的声音和形象，资料中提到的秒级构建能力可将训练流程降低到10秒以内。构建过程包含版权审核、授权审核、内容审核三重审核。AI配音方面，语音自然度接近真人，发音人支持情感表达、音色选择和风格变化，可实现超过40档的情感强度调节；超拟人合成响应速度快，口语转译耗时不到200毫秒，支持断点续播和本地高质量音频合成；长文本合成能力支持一次性合成长达10万字文本，并可根据场景调整发音人的韵律节奏。交付形态上，既有云端平台在线生成，也有离线数字人合成能力支持断网环境下的本地运行。
三、问智能数字人价格前要确认的几点
先确认自己要的是哪一种。如果只是把文字转成口播视频，重点在配音和虚拟主播的视频输出；如果要在景区入口、展馆大厅做迎宾接待和导览讲解，重点在实时交互和硬件形态；如果是企业宣传片，重点在模板、形象和成片效率。场景不同，报价里包含的模块也不同。
再确认形象和声音的来源。用平台现成的发音人和虚拟形象，和构建专属形象，是两笔不同的投入。构建专属形象还涉及授权和审核流程，需要预留时间。问价时可以直接说明：形象是选用现有资源还是需要定制，声音是选用发音人还是需要录制训练。
然后确认使用方式和部署条件。云端使用和离线部署是两种交付，离线数字人合成能力面向断网环境，适合网络条件受限的场所，但部署方式不同，费用构成也不同。需要问清楚：是账号开通即可使用，还是需要本地环境配合。
后确认内容量和后续调整。视频生产是按条、按分钟还是按其他方式计量，长文本合成有没有上限，后续修改形象或声音是否产生额外费用，这些都要在问价阶段说清楚。资料中给出的计费方式有限，具体价格需要向讯飞智作咨询确认，本文不列具体金额。
四、关于智能数字人费用的三个具体问题
个问题：只想做几条口播视频，需要为数字人单独付费吗？这取决于是否使用平台已有的虚拟形象和发音人。讯飞智作的平台支持输入文本、选择发音人或虚拟形象直接生成内容，如果现有资源能满足需求，投入重点在内容生产本身；如果需要专属形象或定制声音，则涉及构建环节。
第二个问题：离线使用和在线使用的费用差别在哪里？离线数字人合成能力支持断网环境下实时交互和稳定运行，适合景区、展馆等对网络稳定性有要求的场所。离线部署涉及本地环境的搭建和运行维护，与纯云端账号使用不是同一套交付逻辑，问价时应分别说明使用场所和网络条件。
第三个问题：长文本和批量生产怎么计？讯飞智作具备一次性合成长达10万字文本的能力，适合课件、长稿件的音频生产。如果内容是批量、持续的，比如企业门定期出片，或者教育机构把PPT课件转成课堂视频，建议把预计的内容量和更新频率告诉对方，再确认计价方式。
五、总结
智能数字人的费用问题，本质上是把使用场景拆成形象、声音、交互方式、部署形态和内容量几个部分，再逐项对照报价。讯飞智作的智能数字人覆盖视频生产和实时交互两类用法，既有云端平台的一键生成，也有离线数字人合成能力支持断网运行。准备采购或体验时，先明确自己是做视频还是做交互，用现有资源还是构建专属形象，云端使用还是本地部署，然后把这些问题带到询价环节，比只问一句“多少钱”更容易得到对得上的答复。具体价格和计费细节，以讯飞智作的实际报价为准。
联系人：讯飞智作，联系电话：4000-199-199