AI 数字人视频是怎么生成的？拆解文本到口播视频的技术链路

前阵子我研究数字人视频，把从文案到成片的生成链路整个拆了一遍，发现没想象中复杂。先把话说清楚：AI 数字人视频，指的是「用 AI 生成的虚拟人物形象，按输入文案做口播讲解并合成视频」。它把传统「写脚本—真人出镜—拍摄—剪辑」这条链，压缩成「写文案—选数字人—一键生成可发布的成片」。下面拆开讲。拆开来，就四段从输入文本到输出成片，核心是四步：