输入产品图与文字介绍，批量产出 15–25 秒的数字人口播带货短视频。 核心难点不是出片，而是包装上的文字不能被 AI 改掉——这条用掩码重绘解决了。
| 行业 | 电商 / UGC 内容 | 交付形态 | 可部署的批量生产工作台 |
|---|---|---|---|
| 时间 | 2026-08 起 | 分级 | L1（可公开） |
数字人口播这件事，能出片不难。难的是保住产品包装上的字： 早期走整图重绘，模型会把「50g」写成「30ml」，包装上的成分表、容量、品牌名全被重新发明一遍。 这种片子发出去就是合规事故。
掩码重绘。 先算出「可重绘区域」，把包装文字与商标排除在外，只在允许的区域生成。 实测下来未掩码区的像素差是 0.02（几乎无损），而旧路线在 5 条样本上是 0/5 全灭。
演员中心。 数字人不是一次性的：演员入库（含族裔、性别、音色、定妆图）， 同一个人物跨镜头复用。要多样性就换族裔、换演员，不是靠随机种子碰运气。
模板复刻。 拿一条真实参考片，35 秒拆出镜头结构、时长占比与节奏， 沉淀成可复用模板；新产线复刻后与原片结构一一对应。
合规内置。 AI 披露、免责声明、永久水印在生成阶段就烧进画面，不依赖后期补。
只交付产物与产线，不替客户承担素材授权与平台过审的结果责任。 产能跟着显卡走：单卡日产 15–25 条，要更多产能就是加机器，没有魔法。
| 指标 | 实测 | 说明 |
|---|---|---|
| 包装文字保真 | 未掩码区像素差 0.02 | 掩码重绘路线；旧整图重绘路线 0/5 全灭 |
| 单条边际成本 | ¥0.5–1（电费）+ 模型调用 ¥0.01–0.05 | 本地算力，不含人力与折旧 |
| 单卡日产 | 15–25 条 | 15 秒成片约 27 分钟 GPU |
| 面孔多样性 | 7 种族裔 | 同 seed 换族裔 ArcFace 相似度 0.135–0.272（属不同的人） |
| 参考片拆解 | 35 秒拆完一条真实参考片 | 产出可复用模板 |
素材版权与肖像授权不由本系统兜底，需确认来源合法。
不承诺平台过审结果；合规声明与 AI 披露会烧入画面，但最终标准以平台为准。
本地算力决定了产能上限，单卡日产 15–25 条是硬件约束而非软限制。
口播模型在极少数情况下仍可能「凭空演出手持产品」的动作，需要成片抽检。