盯着屏幕看了半小时，我才确定这个主播是数字人

前阵子在手机上瞎划，划进一个卖衣服的直播间。

主播是个小姑娘，扎马尾，穿件米色针织衫。笑容很标准，说话也温柔。“宝宝们看一下这个料子，很软很舒服的……”声音丝滑，一点也没卡。

但我越看越不对劲——她眨眼的频率，太规律了。

差不多每四秒眨一次。不多不少。

当时我还在心里骂自己神经，谁没事数人家眨眼干嘛。结果又盯了十分钟……好家伙，嘴角上扬的弧度就没变过，连喝水那个动作都像卡了帧。

我翻到评论区，有人打了一行字：“这是数字人吧”。

底下还有人回：“这还用问？真人能连播六个小时不累？”

那次之后，我开始留意——数字人主播，真的已经多到有点吓人的程度了。

你可能早就在跟数字人打交道了，只是不知道

先别急着把“数字人”想成什么科幻片里走出来的玩意儿。

说白了，数字人就是用计算机做出来的、能说会动、像人一样的虚拟角色。有的长得像真人，有的干脆就是个卡通形象——比如很多银行App里那个引导你办业务的圆脸小姑娘。

这东西其实老早就在你手机里了。

你有没有用过某地图App里的语音导航？就是那种声音温柔、会说“前方两百米右转”、听着像个真人但是语气总有一点点……平的女声。背后就是一种早期的数字人技术。

还有你半夜打客服电话，那边用标准普通话跟你说“请描述您遇到的问题”的那位——有相当比例其实不是人。

不过话说回来，以前那种，大多数只能算“语音机器人”套了一层皮。真正让我觉得有点毛骨悚然的，是这两年直播带货里的数字人。

它们不光会说话，还会做表情。会皱眉。会笑。会在讲到价格的时候突然提高音量。甚至……还会假装犹豫一下——“这个价我真的要跟老板打起来了”。

我心想，奥斯卡都欠你一座小金人。

做一个数字人到底难在哪？不是画得像就行

很多人以为数字人的难点在于“做得像”。

像当然重要，但更麻烦的是——动得像。

真人说话的时候，嘴巴、眉毛、眼睛、脸颊、下巴，一堆肌肉在配合。你笑起来的时候嘴角会往两边拉，眼睛会眯，甚至连鼻子旁边都会出现浅浅的纹路。

数字人要把这些东西全做出来，还得跟上嘴里的语速，不能出错。

你可以这么理解，它其实在做三件事：听懂你要说什么；决定嘴巴眼睛眉毛该怎么动；让声音和表情严丝合缝地同步上。

注意，这三个事情得在同一瞬间完成。差个半秒，你看着就会觉得别扭，像配音没对上。

第二点也是最难的点，其实不是技术——是那个“刚刚好”的分寸感。

眼睛不能眨得太快，也不能太慢。嘴角不能笑得太久，也不能一动不动。这些东西，AI最开始是学不会的。

那它怎么学会的？

靠人。大量的真人视频。一个真人主播在镜头前坐上几百个小时，说啊笑啊皱眉啊，数据被拆解成关键点，再喂给模型去学。

像不像小时候学写字？一开始照着字帖临摹，临多了，慢慢就有了自己的手感。

数字人也是这么练出来的。

为什么商家爱它？还有一个更现实的原因

你可能觉得，数字人不过是个新鲜玩意儿。但商家算过账以后，笑得很开心。

一个真人主播，一天顶多播六到八小时，还得休息，还得吃饭上厕所，情绪还可能会崩。但数字人，它可以三班倒，可以一整天不带停，可以在凌晨三点依然对镜头说“宝宝们晚上好”。

成本这东西，不能细算。细算的话，真人主播的优势一下子就变得不那么明显了。

但我要说句实话。

数字人主播现在能卖的，基本还是那些决策成本低的东西——便宜的衣服、日用品、零食、小家电。你不会为了买一支九块九的牙膏，专门研究背后介绍它的是不是真人。

可一旦涉及需要信任感的东西，比如护肤、珠宝、或者更贵的电子产品，数字人就露怯了。

因为人跟人之间那种“我看你顺眼，所以我信你”的感觉，它是给不了的。

你可能会问——那为什么还有那么多人在数字人直播间下单？

因为很多人压根没发现那是数字人。

这才是整件事里最有意思的地方。

那条线，到底在哪里？

有人管数字人叫“假人”。

我觉得这词有点粗暴，但你大概能理解背后的情绪。

它不是人，却要模仿人。模仿得越像，你越容易忘了它是假的。可一旦某个瞬间露出破绽——比如它突然重复了一句话，或者表情卡住了——那种“恐怖谷”的感觉就上来了。

你心里咯噔一下，有点不舒服，说不上来哪里怪。

那条线其实一直都在那里，只是现在越来越模糊了。

我们花了很久时间，去分辨网上那些照片是不是P的，视频是不是剪的。以后我们可能还要花时间，去分辨一个人是不是真的“人”。

这事往大了说，关乎信任。往小了说——每次看到数字人主播冲我笑，我还是会条件反射地想：你累不累啊？

尽管我知道它不会累。