百度一鏡把影片生成打到 0.2 元/秒,先被改寫的是數字人生意

11 月 12 日,百度世界 2026 的開場影片裡坐著兩個人。一個是李彥宏,另一個也是李彥宏。主持人希加加(她自己也是數字人)對著「真李彥宏」提問,鏡頭切過去,「數字李彥宏」在同一張沙發、同一盞燈下接話。台下鼓掌的時間比放別的東西時長了半拍。
這段影片由百度一鏡生成。一鏡是百度做數字人的那條產品線,這次跟著大會一起升級,官方給的三個數字很直白:影片生成成本下探到每秒 0.2 元,每秒 8 到 9 種微表情的擬真控制,全畫幅即時互動回應低於 2 秒。
三個數字裡,第一個最扎人。
每秒兩毛錢是個什麼位置
同一個月裡,字節跳動的 Seedance 2.5 Flash 在 11 月 12 日上線,720p 文生影片、圖生影片約 0.99 元/秒,官方說比旗艦版便宜 34%,速度翻倍。谷歌的 Gemini Omni 1.2 Flash 在 11 月 5 日全面開放,720p 報 0.07 美元一秒,比上一代降了三成。
一鏡的 0.2 元大約是 0.028 美元。它比通用影片模型便宜一個量級,但比的不是同一件事:一鏡生成的是固定機位、固定人物、可反覆調用同一張臉的口播素材,不會給你隨手許願的電影鏡頭。價格能壓到這個位置,是因為輸出的可能性被收窄了。
便宜的代價寫在「能演」這兩個字上
數字人這幾年卡在一個地方:臉能像,戲不能。觀眾能容忍一張略微失真的臉,忍不了一個在講悲傷段落時眉毛還在笑的數字人。
一鏡這次把微表情拆成了每秒 8 到 9 次的控制點。按官方說法,配套發布的還有「文心一鏡微表情大模型」,同步上線百度智能雲千帆,對企業客戶和合作夥伴開放 API。真正的變化在於表情變成可調參數,這意味著批量生產時你不用再一條一條人工挑,可以讓流程先篩一遍。

但表情數量不等於表演。一個每秒切換九次的眉毛,和一個知道什麼時候不該動眉毛的演員,差的是判斷力,解析度在這裡派不上用場。這一段目前沒有任何公開的評測數據,只有一句「情緒價值」。真實效果得等企業客戶把成片放出來。
短漫劇 Studio 才是這次真正的產品
一鏡同時開了「短漫劇 Studio」,覆蓋創意、劇本、分鏡到成片。官方描述裡有一句容易被忽略:創作者可以把「已被驗證的作品」一鍵完成劇情、人物和場景的本土化適配,用來出海。
這句話的重點是「已被驗證」。它承認了一件事:這套工具不負責讓你想到好故事,它負責把一個在本土跑通過的 story 換成另一個市場的皮。人物換臉、場景換街、台詞換語言,成本按秒算。這是典型的產能工具,離創作工具還有一段距離。
出海短劇這兩年最貴的三項成本是演員、場地和本地化重拍。前兩項已經被虛擬製作壓過一輪,第三項一直壓不下去。Studio 想切的正是這一塊。
上游還有一層:詞元所
同場發布的還有大模型交易平台「詞元所」。李彥宏的說法是,今年前九個月幾乎每天都有新模型,詞元中轉站不對模型效果和服務穩定性負責,模型越多選擇越難。詞元所主打兩件事:驗真和徵信。驗真靠模型指紋比對和能力測試,徵信靠定期抽檢撥測、全鏈路即時監測調用。
上線一個月的數據:入駐供應資源超過 100 個,日均調用突破 5000 萬次,日均調用 token 超 7000 億。
把這段和 0.2 元/秒放在一起看,邏輯就完整了。影片生成的成本除了 GPU 小時,還有你為了確認「這個接口給的到底是不是它說的那個模型」所付出的試錯成本。中間商越多,這部分越貴。詞元所想做的,是把這部分不確定性標準化。
李彥宏講的是組織,模型排在後面
開幕演講的主線是「智能組織」。他提了三條原則:打破崗位邊界、沉澱隱性知識、設計流程閉環,公式是「可衡量 + Looping = 持續進化」。他的類比是工業時代,只換電機、不重新設計工廠,產不出預期的效益。
內部數據被拿出來當證據:日活智能體從日均 0.5 萬漲到 3.7 萬,智能體每週完成的有效任務從 8.4 萬漲到 100 萬以上,公司建了 4300 個 Workspace,沉澱組織 Skill 超過 2 萬個。
這套話術和產品發布是配套的。0.2 元/秒只有在「一天要產幾百條」的組織裡才算便宜;如果一個月只做三條片子,省下來的錢不夠付對接的人力。
誰該現在動手
三類人可以看一眼。第一類是做出海短劇和本地化配音的團隊,你們的成本結構裡「重拍」這一項最容易被替換。第二類是電商和本地生活的內容運營,口播素材是純消耗品,按秒計價對你們是純利好。第三類是給企業做數字員工整合的服務商,千帆上開了 API,你們可以開始算單條成本了。
暫時不用急的是品牌廣告和影視級專案。0.2 元買不到鏡頭語言,也買不到演員的猶豫。那段真假李彥宏的影片之所以好看,一半功勞在李彥宏本人願意配合,他坐在那裡,讓另一個自己替他說了一段話。這個安排本身是創意,模型能力幫不上什麼忙。
相關文章
ByteDance 的 SeedRealtime 每秒只取兩張影格,再自己決定什麼時候開口
豆包 Seed-Realtime-1.0 把攝影機畫面、螢幕畫面和語音合成一個全雙工工作階段,每秒最多推兩張影格。有意思的決定是影格率、主動說話,以及預設就開著的審核回覆。
一台 server、一個 AI 主播:夜間直播背後的程式碼
open-yoki 是一個每晚在 Binance Square 直播的 AI 主播的生產程式碼,人格、聲音和跟錢有關的功能都拿掉了。headless Chrome 畫幀,ffmpeg 推 RTMP,一個 Markdown 資料夾決定她的情緒和要發的東西。
Pinky 讓 agent 開你的手機,並且一直按著傳送鍵,直到你按下允許
Pinky 把任何 MCP agent 接到真的 iPhone 或 Android 手機上,審批在自己的閘道裡執行,不寫成 prompt。銀行類 App 對 agent 不可見,密碼欄位碰不到,在 Android 13 上 agent 還能拿到一塊隱藏的第二螢幕。
有人把全世界的法律放進了 git,於是你可以 blame 一條法條
global-law 把每個國家的法令存成一個 git 儲存庫,每次 commit 就是一部在某個已知日期生效的法律。你可以對一條法規跑 log、blame、show 和 diff,查某一天各國在施行什麼法,並透過 MCP 把整份語料交給助理。