# HeyGen CEO 徐卓（Joshua Xu）访谈 [译]

- Link: https://paooo.com/ai-study/8743/
- Published: 2025-05-04T21:26:10+08:00
- Author: 宝玉的分享

⚡ [Prompt](https://paooo.com/ai-image-prompts/) 语宙 AI 导读 · 30 秒核心看点

 * HeyGen 的核心突破是用虚拟形象替代传统摄像机，降低视频创作门槛。
 * Joshua Xu 认为视频生产的高成本主要在拍摄环节，而非剪辑环节。
 * 未来方向是从异步生成视频走向更实时的流媒体式生成体验。

##  介绍

**Sarah Guo:** 欢迎你，Joshua。我们非常期待你今天的到来。你怎么样？

阅读目录

 * [介绍](https://paooo.com/ai-study/8743/#%e4%bb%8b%e7%bb%8d)
 * [个人背景和创立公司的故事](https://paooo.com/ai-study/8743/#%e4%b8%aa%e4%ba%ba%e8%83%8c%e6%99%af%e5%92%8c%e5%88%9b%e7%ab%8b%e5%85%ac%e5%8f%b8%e7%9a%84%e6%95%85%e4%ba%8b)
 * [愿景和影响](https://paooo.com/ai-study/8743/#%e6%84%bf%e6%99%af%e5%92%8c%e5%bd%b1%e5%93%8d)
 * [未来将会发展到什么地步？](https://paooo.com/ai-study/8743/#%e6%9c%aa%e6%9d%a5%e5%b0%86%e4%bc%9a%e5%8f%91%e5%b1%95%e5%88%b0%e4%bb%80%e4%b9%88%e5%9c%b0%e6%ad%a5)
 * [质量和技术挑战](https://paooo.com/ai-study/8743/#%e8%b4%a8%e9%87%8f%e5%92%8c%e6%8a%80%e6%9c%af%e6%8c%91%e6%88%98)
 * [道德与安全](https://paooo.com/ai-study/8743/#%e9%81%93%e5%be%b7%e4%b8%8e%e5%ae%89%e5%85%a8)
 * [异步使用场景和实时生成](https://paooo.com/ai-study/8743/#%e5%bc%82%e6%ad%a5%e4%bd%bf%e7%94%a8%e5%9c%ba%e6%99%af%e5%92%8c%e5%ae%9e%e6%97%b6%e7%94%9f%e6%88%90)
 * [个性化学习与未来的可能性](https://paooo.com/ai-study/8743/#%e4%b8%aa%e6%80%a7%e5%8c%96%e5%ad%a6%e4%b9%a0%e4%b8%8e%e6%9c%aa%e6%9d%a5%e7%9a%84%e5%8f%af%e8%83%bd%e6%80%a7)
 * [HeyGen 的增长和招聘](https://paooo.com/ai-study/8743/#heygen-%e7%9a%84%e5%a2%9e%e9%95%bf%e5%92%8c%e6%8b%9b%e8%81%98)
 * [广告](https://paooo.com/ai-study/8743/#%e5%b9%bf%e5%91%8a)

**Joshua:** 嗨，Sarah，我也很期待来这里。谢谢你今天的邀请。

**Sarah Guo:** 很荣幸能邀请到你。让我们开始吧。欢迎收听 Huberman Lab 播客，在这里
我们会讨论科学及其在日常生活中的应用工具。我是 Sarah Guo，神经生物学和眼科的教授，
在医学院任教。

**Joshua:** 等等，Sarah，我有点迷糊了。这个在录音吗？

**Sarah Guo:** 今天，我们要讨论 AI 如何能改善你的健康，以及这项技术的医疗价值。

**Joshua:** Sarah，我现在有点懵了。这不是 No Priors 播客 吗？你是不是应该在这里采访
科技界的大咖，像 Gary Tan 和 Alexander Wang 这样的人？

**Sarah Guo:** 那个只是针对人类的。我们非常高兴你来了。欢迎你，Joshua。

**Joshua:** 对，很高兴能来这里。谢谢你邀请我。

##  个人背景和创立公司的故事

**Sarah Guo:** 那我们先聊聊背景吧。你创建了这个公司，HeyGen。它发展迅猛，现在已经有
数百万人在使用了。你们创立公司的故事是什么呢？

**Joshua:** 好的，没问题。嗨，各位。我叫 Joshua。我是 HeyGen 的联合创始人和首席执行
官。我们大约在三年半前创立了这家公司。在那之前，我在 Snapchat 工作了大约六年半的
时间。我在卡内基·梅隆大学学习机器人技术，并在 2014 年加入了 Snap。最初，我在 Snapchat
的广告部门从事机器学习工作，包括广告排名和推荐等工作。然后，在 Snap 的最后两年里，
我开始研究 AI 摄像头。Snap 利用了大量的 AI 技术来提升用户的拍摄体验。比如，你可能
记得，2018 年 Snapchat 推出了婴儿滤镜和迪士尼风格滤镜。这是我第一次看到计算机能够
创造出一些在现实世界中不存在的东西。那时候，我对这项技术非常着迷，我觉得它有可能
改变人们创作内容的方式。Snapchat 本质上是一家利用摄像机功能的社交媒体公司，用户都是
通过手机摄像头创作内容的。但是我们希望能够用 AI 来替代摄像头，因为我们相信 AI 能够
创建内容，AI 可以成为新的“摄像机”。这就是我们创立 HeyGen 的初衷，我们的使命是让所有
人都能够用视觉来讲述自己的故事。

##  愿景和影响

**Sarah Guo:** 我很喜欢这个想法，这是我们这一代最伟大的思想家的灵感，比如，你可以
把你的脸变成一只可爱的小猫，或者任何你想变的样子。“替代摄像机”对你来说是什么意思
呢？我们为什么要这样做呢？

**Joshua:** 我非常依赖相机。我在手机摄影领域积累了丰富的经验，我们开发了很多软件
和技术，让人们能够更自在地使用手机摄影，使创建内容变得更加简单。然而，现在仍有很多
人不能通过相机创作出好的内容。我们认为，如果我们能替代相机，那就意味着我们可以消除
视觉叙述和视觉内容创作的障碍。这将推动我们在内容创作领域取得更大的进步。

**Sarah Guo:** 你认为你们开发的技术应用在哪些领域中？

**Joshua:** 我知道你们在不同类型的虚拟人物上投入了很多时间，这样你就可以把自己的
视频变成一个虚拟人物，然后向它输入文字，它就可以用你的声音说话，做出各种有趣的事情，
适用于各种领域。你们为什么决定首先从虚拟人物入手呢？当初创业的时候，你觉得主要的
应用场景会在哪些领域？

**Joshua:** 我们试图解构整个视频制作过程。这主要涉及到摄影和后期编辑。所以，摄影
主要是关于”A-Roll”，也就是人物、发言人、虚拟人物等元素。剪辑主要是关于 B-Roll，添加
不同的素材，配音、音乐，过渡、动画，等等。所以，剪辑，我们从客户那里了解到，剪辑
并不昂贵，因为这是一项标准化的服务，但摄像机成本非常高。想象一下，一个公司的 CEO
想要录制一段视频，我们可能需要提前两周的时间来安排。我们需要请摄像机工作人员来，
有一个专门的工作室来录制。即使只有两分钟的镜头，有时我们需要录制 20 分钟，因为人们
需要记住剧本。这就是阻碍很多企业创新内容的难题。因此，我们开始尝试用虚拟形象来取代
摄像机，改变视频制作的过程。

##  未来将会发展到什么地步？

**Sarah Guo:** 你认为这在未来将会发展到什么地步？人们已经在各种不同的应用领域使用
HeyGen，比如市场销售、内部网络研讨会或学习等等…我有点好奇，是不是每个人都会有人代替
他们参加 Zoom 会议，或者是它会被用于娱乐目的，你如何看待这种技术随着时间的演变？

**Joshua:** 我认为有很多可能性。我们目前正在解决的问题，就是内容创作的初始阶段，
所有的内容都从摄像机开始。然后，会有许多人进行编辑，我们可以清晰看到一条路径，人们
已经可以整合所有这些自动生成的镜头，运用 AI 编辑技术来制作最后的视频。再进一步，
如果我们继续推动技术的发展，提升性能，我相信我们将能以流媒体形式创造出生成视频的
体验。这实际上可能会取代我们现在的很多实时交谈，尤其是当我们使用 GPT-4.0 以及所有
这些多模态实时流媒体技术的时候。

**Sarah Guo:** 好的，到 2024 年，我们仍然处于异步视频创作领域。今天人们是如何使用
HeyGen 的呢？你最喜欢的使用场景是什么？

**Joshua:** 我认为 HeyGen 的使用场景可以分为三类：创新，本地化和个性化。人们可以
从我们的虚拟形象库中选择角色，或者创建自己的数字化替身，只需选择一个模板或编写剧本
就能生成视频。这对于产品解说、教学视频、学习发展和一些销售启动培训内容来说效果最好。
我们也可以获取现有的视频，并将其本地化到 175 种以上的不同语言和方言里。通过这种方式，
我们可以帮助客户将他们的内容本地化到当地的语言。最后，同样重要的是，人们可以使用
HeyGen 大规模的个性化视频信息。我认为在今天的 HeyGen 上有很多非常有创意的应用案例。
我们的平台覆盖范围非常广泛。我最喜欢的一种应用可能就是最近与麦当劳的合作。麦当劳
推出了一项活动，允许人们用不同的语言向家人发送信息。我对此非常热爱。我无法用言语
来表达我对他的热爱。我想要强调的是，AI 是为每一个人准备的，无论是祖母还是孙子孙女。

##  质量和技术挑战

**Sarah Guo:** 是的，那真是太酷了。我的意思是，那是一个大品牌向公众推出的面向消费
者的应用案例。你如何看待 HeyGen 现在的质量呢？我本来以为那应该是质量最高的部分。
你是如何判断虚拟形象何时足够好，何时又不够好的呢？

**Joshua:** 是的，我要说的是，对于产品、商业和技术来说，质量始终是我们最重视的事项。
我经常会为自己设置一些标准。比如说，设定一个质量标准线，阈值是 90。低于 90 的，基本上
对客户来说是无用的，因为我们不能完全取代他们的现实生产过程。我们真的需要专注于提升
视频生成的质量，使其超过那个阈值。我认为，特别是对于现在的虚拟形象来说，它已经达到
了那个标准。所以我们真的可以帮助人们替换掉真实的摄像机，释放大量创造力，帮助人们
扩大内容生产。显然，我们还有许多可以改进的地方，比如生成全身形象，将各种元素融入
视频。

**Sarah Guo:** 是的，我们正在进行这方面的工作。你最期待未来或即将发布的新版本有哪些
特点？

**Joshua:** 我认为在我们的技术和产品路线图中有很多令人兴奋的东西。尤其是，我很期待
全身形象的生成这一块。从历史上看，形象技术主要集中在上半身。要生成手势和身体动作
非常困难。但是，很多学术研究已经证明现在这一切是非常可行的。我们只需要将这个成果
推向终点。另外我想说…我对流媒体形象非常兴奋，特别是最近发布的 GPT 4.0，真的大大提升
了文本和声音实时交互的性能。而 HeyGen 形象可以成为所有这些应用的可视化层。

**Sarah Guo:** 显然，我们需要…全身的手势控制和移动才能

制作出任何类型的视频。但是客户对全身动作有什么需求呢？就像你们在过去几个月里展示
的那样走路。

**Joshua:** 我们的看法是，根据不同的用例，质量要求是一个连续的范围。让我们从这个
范围的左边开始。这是关于学习发展和教育的内容。这更像是一对多的广播式传播，主要讨论
的是教育培训内容。在这种情况下，质量相对较低，因为形象可以保持静止，看起来更专业。
但是如果我们看向谱系的另一端，我们把它称为高端的营销内容，这种内容通常非常动态。
比如，广告创意就是一个例子。人们在广告中展示非常动态的内容。这样可以有效地提高内容
的投资回报率，使其更具吸引力。我认为，启用全身渲染，使形象可以全身呈现，可以帮助
我们提升视频的吸引力和真实感，达到新的高度。这将有助于解锁许多广泛适用于营销和销售
的场景。比如新闻广播或其他类似内容，记者经常会拍摄人们边走边谈的镜头，这就像是一种
标准的镜头模式。如果我们可以做到全身渲染，那么就可以为各种应用领域提供更多可能性。

**Sarah Guo:** 关于这一点，我想知道你们现在使用的是什么技术？你提到了一些东西，例如
GPT-4.0，但你们也在自家开发了一些模型。你是如何看待你们现在使用的技术栈，以及为了
实现全身渲染或其他新功能，你们的技术需要如何发展？

**Joshua:** 有三种模型，对吧？文本，语音和视频。因此，我们与 OpenAI 和 [ChatGPT](https://paooo.com/tag/chatgpt/)
合作进行文本生成。显然也像是我们内部构建的协调引擎的大脑。我们也与 OpenAI 和 Event
Lab 一起开发语音引擎。但是，我们自行构建了整个视频技术栈，包括视频创作后的渲染和
B 卷制作。我认为随着时间的推移，整个技术趋势正在朝着一个方向发展。所有这些元素，
如多模态模型和多媒体，都将整合到一个单一的模型中。我想要强调的一个挑战是全身图像
生成的如何将声音与手势动作相结合？这实际上是通过同时训练语音模型和视频模型才能实现
的。这样可以在模型中建立起声音和动作之间的连接。这在以前一直是个大问题，因为我们
必须分别训练文本转语音（TTS）模型，并将 TTS 模型的输出输入视频模型。创建这种连接
一直很困难，但是通过多模式模型训练，这个问题可以解决。虽然 Sora 目前不向开发者和
最终用户开放，但是有一些世界级的文本转视频生成模型是通用的，而不仅仅是人物形象。

**Sarah Guo:** 这种技术与 Sora 有什么不同？

**Joshua:** 当我们最初开始 HeyGen 时，我们希望帮助企业解决视频创作的问题。商业在
寻找什么？他们在寻求质量。他们在寻求控制力。他们在寻求一致性，对吗？所以，当我们
回首过去，这就是我们的指引灯塔。我们该如何才能达到那里？我们要走哪条技术道路才能
到达那里？这可能主要有两条路径。一条是文本到图像的 SORA，我们尝试从头到尾生成整个
内容。这样你就能一次性得到整个视频。另一种方法是我们在 HeyGen 所坚信的，我们试图
将整个视频分解成不同的组成部分。大体来说，它将是 A 卷和 B 卷。B 卷代表了所有不同
类型的元素，如旁白、音乐、转场。A 卷则是代表角色。我们尝试逐个解决这些组件。然后
我们围绕这些组件构建了一个编排引擎，以将最终的视频组合在一起。我们认为这条技术路径
更有可能提供品牌所寻求的质量、控制力和一致性。因为例如，有些东西我们可能不应该尝试
生成。那就是标志和字体。这需要非常精确。更别说我们还需要能够学习，尤其是在商业环境
中，我们需要了解品牌风格、色彩搭配，这些基本都是来自我们的客户。我认为第二种方式
会让我们在构建这个系统时具备更多的灵活性和能力。实际上，我们把 Sora 看作是我们的
合作伙伴，因为我们能够将其作为一个组件生成器整合进来，然后让它成为我们业务应用中
获取数据的引擎的一部分。

**Sarah Guo:** 对于 HeyGen 来说，如果你只关注如何提升用户体验的各个要素，尤其是你想
主导并成为顶尖的视频堆栈，你会如何看待研究呢？你是如何从研究角度探索新能力的？是
看看学术界有哪些可供参考的，还是看看客户反馈的问题，或者是从零开始创新？

**Joshua:** 我认为答案是多元化的。我还要补充一点，那就是我们需要深入理解模型的局限，
并努力在客户需求和技术能力之间找到一种连接。比如说，当我们真正尝试去理解问题时，
我们发现所有的 AI 模型都有自身的局限。我认为关键的问题是，为了给客户提供优质的产品
体验，我们如何设计产品，以尽可能避开模型的局限，同时放[大模型](https://paooo.com/ai-study/)
的优势。这是发掘新领域、开创新的创作体验的关键所在。我们可以看一看视频翻译技术这个
例子。这是一种全新的翻译内容方式，相比传统的配音方式有所不同。我们保留了用户的自然
语音和面部表情。但如果深入了解这个模型，使视频渲染成为可能的，实际上是一个唇形同步
模型。我们找到了一种方法，将所有这些元素，包括语音和 ChatGPT 的翻译，融合在一起，
打造出一种极佳的体验。这就如同我们正在为用户的视频和内容定制化打造一种全新的体验。

##  道德与安全

**Sarah Guo:** 大量像麦当劳这样的商业应用都非常精彩，同时我认为很多人也深感深度伪造
和滥用他人的形象或声音这类事情令人恐惧。你对此有何看法？网络安全、选举安全，以及
滥用行为呢？

**Joshua:** 首先，我们的平台上不允许发布任何政治或选举相关的内容。HeyGen 的政策严格
禁止未经许可的内容创作，我们对于平台滥用行为绝不轻视。所以，我们的安全防护包括非常
先进的用户验证，实时视频同意，动态口令，以及在平台上创建的所有内容背后，都有快速
的人工审核。信任和安全对我们的业务来说至关重要，我们正在积极地与整个行业合作，继续
开发工具和最佳实践，以打击误导信息和提升 AI 的安全性。我们实际上在设计的时候就已经
考虑到了安全性。如果你看一下 HeyGen 上的许多创作过程，你会发现我们在每一个创作步骤
中都关注安全，并设立了安全防护措施。

**Sarah Guo:** 我认为，这是非常有意义的。有趣的是，如果我们从积极的角度去看待这个
问题。你提到了你是如何防止负面影响。从积极的角度来看，你正在竞选公职，你应该能够
向每一位选民发送一条个性化的信息，直接发送到他们的邮箱中，包含一段你专门对他们说话
的短视频片段，或者针对他们特别关心的问题进行谈论。因此…你可以想象，将来可以使用这种
技术进行高度个性化的政治宣传，只要你能避开一些深度伪造的问题，那么这实际上可能是
非常有价值的。你认为这种能力，即生成大规模的、独特的、个性化的等个人对话内容，会
如何改变人们制作或使用视频的方式？

**Joshua:** 如果人们能够生成非常有吸引力和真实的视频内容，他们会更多地创作并使用
视频来发展他们的业务，以发展他们的业务。我们现在生活在一个视频优先的世界，每个企业
都想制作更多的视频。我认为当前行业的主要问题是制作视频的成本非常高，而且制作一个
视频需要花费几周甚至几个月的时间。这会根本性地改变人们对如何发展业务，如何进行沟通，
如何进行市场营销和销售的思考方式。我坚信我们有很大可能性创建和生成高度个性化的视频，
特别是那些带有全身虚拟形象的视频，它们能够呈现出非常动态和高质量的内容。比如，我
认为 AI 生成的价值并不只在于节省成本和时间，这只是其中的一部分。实际上，我们发现
很多客户使用这种方法来发掘新的应用场景，做他们以前无法做的事情。我认为这是推动现今
许多商业成果的关键因素。

##  异步使用场景和实时生成

**Sarah Guo:** 你如何看待在实时和异步的情境下的应用呢？似乎现在很多这些技术都是专注
于异步的使用场景。这也同样适用于纯文本到语音模型。你认为我们什么时候才能转向任何
形式的实时或接近实时的视频虚拟形象，以及它们的应用场

景呢？

**Joshua:** 我从两个方面来看这个问题。一个是虚拟形象的实时应用。现在甚至已经可以
实现了。我认为人们已经可以在 HeyGen 上体验到这一点。我们正在制作新的更新，可以使
其更快。所以它有可能成为，比如说，虚拟的 AI，SDR，虚拟支持，用来接听客户电话或提供
支持，对吧？而且，我认为这项技术一直在这种趋势下发展。两年后，看到大量的虚拟形象
生成并不会让人觉得惊讶。异步处理流程将能够实现实时流传输。我也看到世界正在朝一个
我们未来可能实时生成整个视频的方向发展。比如说，五年后。我有一个观点，虽然生成的
图像仍然是图像，但生成的视频并不只是视频。它代表了一种新的格式。我说的意思是，当
我们真正看一个视频的时候，我们把它看作是一个 MP4 文件，对吧？所以它是不可更改的。
例如，如果你和我在 Instagram 上，我们可能会被推荐两个不同的广告，但只要我们是被同
一个商家推荐的，我们看的就是同一个 MP4 文件。但事实并非总需要如此。比如，如果我喜欢
鳄梨，我看到的广告应该是关于可口可乐和鳄梨的，向我展示有关可口可乐的新信息。而你
如果喜欢其他的，你看到的就应该是其他的。但现在做不到这一点，因为制作视频的成本很高。
然而，这完全有可能实现。比如说，我们可以实时生成他们喜欢的视频广告，这有可能成为
一种新的广告形式。当我们看今天的视频播放器，它只对应一个 MP4 文件。但实际上并非必须
如此。视频播放器可以接收大量的用户属性，然后实时生成一些内容，以便以最佳的方式呈现
给消费者。

##  个性化学习与未来的可能性

**Sarah Guo:** 说到这，我觉得一个有趣的类比就是 YouTube，它是如今世界上最大的学习
工具之一，但对每个人来说，它提供的都是静态的，不可修改的视频。然而，从 Bloom Studies
和其他所有研究来看，个性化的教育才是更有效的教育方式。人们希望通过视频学习，但个性
化视频的制作成本过高。这似乎为未来的教育提供了一个全新的可能。

**Joshua:** 确实，我们从客户那里得知，Pubsis 集团已经制作了超过 100,000 个视频，
这些视频是用来感谢全球的所有员工，它们根据不同的语言进行本地化，并且带有员工的名字，
以及他们对公司的喜爱之情，这些都是在他们加入公司时表达的。从历史来看，这种方式实际
上只用于一部视频，对吧？CEO 或者执行团队可能会站在镜头前，发表一些讲话，比如感谢
2023 年。但现在，这种信息和通讯可以在非常大的规模上个性化。

**Sarah Guo:** 你提到的研究方向包括构建你自己的视频模型以及使用第三方 API。从研究
的角度来看，有什么困难或挑战吗？

**Joshua:** 我认为，与许多其他模型不同，构建视频模型将美学融入 AI 模型是相当困难
的。视频生成不仅仅是解决数学问题，实际上是创造一些客户喜欢和欣赏的东西。基本上，
一个具有较低优化成本函数的模型，并不意味着它能产生更好的视觉效果。这使得模型很难
评估，但也非常重要，因为它能为客户提供最后一英里的价值。通常，模型评估也很难。我们
必须依赖产品内的信号，例如，A / B 测试来知道哪个模型实际上更好，因为，只有客户可以
作为评判。而这个过程从数学的角度来看就是不可微分的。我们需要构建一个围绕它的系统，
并能够将那些数据反馈到我们的模型训练中，以便我们可以继续改进。

**Sarah Guo:** 你是因为在 Snapchat 工作涉及消费产品的经验还是在创立 HeyGen 的过程
中不得不想出这种方法的呢？

**Joshua:** 我觉得它们非常相似，尤其是我们开发相机软件的时候。那我们怎么才能知道
哪个参数更好呢？我想我们绝对可以找出一些非常客观的衡量标准，比如光线得分和分辨率
等。但我们发现，高分辨率并不一定意味着更好的图片质量。你看，iPhone 的分辨率并不总是
最高的，比起其他很多手机来说。但是，它却能捕捉到大部分人都喜欢的图片，这也是为什么
大家都喜欢用 iPhone 拍照。确实，我们在 Snap 早期就学到了这样的经验教训。

##  HeyGen 的增长和招聘

**Sarah Guo:** 你能谈谈 HeyGen 现在的规模吗？

**Joshua:** 我们的团队有 40 多人，但我们服务的付费客户超过 40,000 人。我觉得我们
的客户很有意思，他们并不是典型的 AI 早期采用者。他们是主流公司，从欧洲制造商到小
企业，从全球非营利组织到财富 500 强公司，这就是我们正在解决的问题所在。

**Sarah Guo:** 考虑到每个员工服务的客户达到了惊人的 1000 个，有没有你们正在招聘的
特定关键职位，或者我们的听众可能会感兴趣申请的其他事项？

**Joshua:** 当然，我们正在各团队招聘，包括产品、设计、工程、AI 研究和市场推广等。

**Sarah Guo:** 这次谈话非常愉快。谢谢你，Joshua。

**Joshua:** 非常感谢。谢谢你。

**Sarah Guo:** 感谢你的邀请。

##  广告

[音乐播放] 在 Twitter 上关注我们 @nopriorspod。如果你想看到我们的视频，就订阅我们
的 YouTube 频道吧。在 Apple Podcasts，Spotify 或者你经常使用的播客平台上关注我们
的节目，这样你就能每周收听到新的一期。也可以在 no-priors.com 注册我们的邮件通知，
或查看每一期的文字稿。

🧭 文中关联 [AI 工具](https://ai.paooo.com/)官网与参数卡（语宙 AI 导航）

**HeyGen ↗**

HeyGen：专业的AI数字人视频创作平台，面向AI 视频创作场景提供便捷实用的在线功能支持，
涵盖AI写作、AI

**Snapchat ↗**

Snapchat 的核心在于其“阅后即焚”的短暂性消息与多媒体分享机制，这重新定义了即时通讯
的私密性与即时性。其

❓ 常见问题解答（FAQ）

HeyGen 为什么要用虚拟人物替代摄像机？

Joshua Xu 认为，视频创作最大的障碍在拍摄环节：要协调场地、设备、人员和反复录制。
用虚拟人物替代摄像机，可以显著降低制作成本与时间，让更多人更容易完成视觉表达。

HeyGen 主要解决视频制作中的什么问题？

它主要解决“从拍摄到成片”的前半段难题，尤其是 A-Roll 拍摄成本高、流程重。通过虚拟
形象和生成式视频，帮助企业和个人更快产出内容，而不是把精力都耗在传统拍摄上。

HeyGen 未来会发展成什么形态？

Joshua Xu 提到，HeyGen 目前仍以异步视频创作为主，但未来可能走向更实时的生成视频体验，
甚至接近流媒体式交互。这意味着它不只用于录制视频，也可能影响实时沟通方式。

🔬 语宙深潜追问 · 进阶实操拆解

“AI 作为新摄像机”意味着什么？

它把拍摄、剪辑、配音和角色出镜拆成可生成的数字流程。创作者不再依赖现场拍摄，而是
通过脚本、模板和虚拟人快速产出内容，核心竞争力从器材转向表达设计与工作流效率。

异步视频到实时生成，难点在哪？

难点不只是延迟，还包括口型同步、表情稳定、场景切换和互动反馈。要做到实时可用，系统
必须在低延迟下保持身份一致性和画面稳定，同时支持流式输入与边生成边修正。

🗳️ 读者观点微投票 · 您的实战立场是？

HeyGen 的下一步，最该押注什么？

🕸️ 语宙向量知识图谱 · 语义强关联深度内链

[🐋 所属权威专题：DeepSeek 深度实战与部署 →](https://paooo.com/topics/deepseek/)

 * [ChatAnyone – 阿里通义推出的实时风格化肖像视频生成框架](https://paooo.com/aigc-news/20714/)
 * [Avatar IV – HeyGen 最新推出的AI数字人模型](https://paooo.com/aigc-news/19957/)
 * [HeyGen CLI：释放AI生产力，用自然语言直接调用API生成数字人视频](https://paooo.com/aigc-news/11146/)
 * [08-10 AIGC 早报](https://paooo.com/aigc-morning/3596/)

[🏛️ 宝玉的分享](https://paooo.com/author/baoyu/) · 前沿大模型翻译与提示词工程实战
分享专栏，聚焦海外一手 AI 技术动态与工程实践。

[📄 Markdown 纯净版](https://paooo.com/ai-study/8743/?format=md)

💡 这篇内容对您有启发吗？

[📡 RSS 订阅](https://paooo.com/feed/)[✨ 提交 AI 工具 / 合作](https://paooo.com/submit-tool/)

**🚀 Prompt 语宙 AI 创作者生态：**探索 2,800+ 全球实用 AI 工具与高精度生图提示词
咒语库

[🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/)
[📚 核心专题导航](https://paooo.com/topics/)[⚡ AIGC 早报生成器](https://paooo.com/mtool/)
