D-ID官网入口、AI数字人视频、照片说话、Visual Agents、API及价格及使用教程

D-ID是什么？

D-ID是一款面向企业培训、营销、客户服务和开发者集成的AI数字人平台。用户可以选择库存头像、上传照片，或录制视频创建自己的数字分身，再输入脚本、选择声音或上传音频，生成具有口型和表情的演示视频。

产品已经从早期“让照片开口说话”扩展为完整的数字人基础设施，包括Creative Reality Studio、V2至V4头像、声音克隆、视频翻译、个性化视频Campaign、实时Visual Agents、REST API和浏览器Agents SDK。

照片说话与V2 Avatars

V2头像从单张正面图片创建，渲染速度快，适合高频、简单的培训、通知和解说。用户可以上传本人照片或选择库存人物，再让头像朗读文字或已录制音频。

单图动画会根据照片推断嘴型、头部运动和表情，可能出现牙齿、脸部边缘、头发和配饰变形。上传人物照片必须取得授权，不能用来冒充或误导。

V3 Instant Avatars

V3 Instant通过约1分钟的用户自拍视频创建，通常不到10分钟完成。它保留原视频的背景和自然动作，并可使用克隆声音、合成声音或录音进行口播，适合快速生产更像本人的内容。

创建流程要求朗读同意声明和随机生成的验证词，并可能进行声音验证，目的是确认头像与声音获得本人许可。Instant头像用于视频输出，不支持实时Visual Agent。

V3 Pro Avatars

V3 Pro使用约3至5分钟的高质量录制素材，约24小时完成，强调更真实的脸部细节和动作，并包含克隆声音。可选绿幕录制以便替换背景，适合企业讲师、品牌代言人和高质量内容。

V3 Pro通常从Pro或更高计划开放，并可用于实时Visual Agents。录制应保持稳定灯光、清晰声音和完整同意流程，素材质量会直接影响长期数字分身效果。

V4 Expressive Avatars

V4通过一组表达不同情绪的短视频训练，能依据输入表现平静、积极、共情等情感，并强化声音、面部和语义的一致性。它可用于高影响脚本视频和实时交互代理，当前主要面向Enterprise。

情绪输出仍是合成表演，不应在医疗、金融、危机沟通或客服中虚构真人同理心和专业判断。需要向用户清楚披露其AI身份。

Creative Reality Studio

Studio提供可视化视频制作界面，用户可选择头像和声音，输入脚本，设置头像大小与位置，并添加背景、图片、视频和文字图层。支持字幕导出、背景移除及不同品牌样式。

标准头像在各计划上最高约1280×1280；标有HQ的Premium Presenter在Free以外的适用方案可输出1080p。

当前比较表允许单个Studio视频最长30分钟，但不同旧页面和API端点可能仍显示5分钟限制，实际以所选头像和生成入口为准。

声音、上传音频与Voice Clone

平台提供120多种语言和口音的标准或高级声音，也支持上传音频、录音和导入第三方声音。Creator包含1个声音克隆，Business包含3个，Enterprise按合同配置。

克隆声音需要朗读同意声明，不得复制无授权人物、公众人物或客户。发音、专有名词和数字仍需试听，敏感内容应保留人工配音备选。

Video Translate视频翻译

Video Translate会识别原视频语音，将内容翻译为目标语言、克隆说话者声音并重新同步口型，当前支持30多种输出语言。Creator和Business可处理最长5分钟视频，Free体验最长约30秒。

翻译后的语义、专有词、金额和法律表述需要人工校对。某些方案支持下载SRT，企业可增加Proofreading流程。

输入视频中的演员和声音必须允许翻译与合成。

Visual Agents实时数字人

Visual Agents把数字头像与大语言模型、知识库、声音和实时流媒体结合，访客可以在网站或应用中与其面对面交谈。用户可以设置语言、声音、人格、知识和动作，用于客服、自助咨询、培训和产品引导。

V2、V3 Pro和V4可支持实时Agent；V4使用LiveKit并支持麦克风输入与持续流畅模式。

Agent回答可能出错，涉及账户、交易和高风险建议时必须设置检索来源、工具权限、升级真人和审计记录。

Agentic Videos

Agentic Video把代理嵌入预制视频，让观看者在播放过程中提问并得到数字人回答。Creator当前包含1个，Business包含3个，适合培训、销售介绍和产品说明。

Video Campaigns个性化视频

Campaigns可用动态字段批量生成或发送个性化视频，并为视频页面设置品牌Logo和颜色。它适合销售触达、客户欢迎和活动邀请，但姓名、公司和订单等个人数据必须获得合法使用依据，并检查每个变量是否正确映射。

Free免费方案

Free为0美元，每月可创建4个视频，并提供5分钟用于Campaign、Agents和API。包含100多个库存头像、1个Express Avatar、标准声音、标准处理、API、Canva、PowerPoint和移动应用入口。

Free只提供个人使用许可，视频带D-ID Logo水印；Video Translate最长约30秒。

免费账户如果连续6个月不使用，数据可能在邮件通知后删除。

价格与版本对比

套餐或版本	价格、额度与核心权益
Creator价格	Creator当前为29美元/月，年付折算24美元/月，包含每月45分钟供Campaign、Agents和API使用。限时页面同时标注可创建或翻译无限视频，但这属于可能变化的促销，不应理解为所有API与实时会话无限。Creator包含3个Express Avatar、100次AI提示头像生成、高级声音、1个声音克隆、1个Agentic Video、快速处理、无水印、字幕、背景移除、最长5分钟翻译和商业使用许可。
Business价格	Business当前为89美元/月，年付折算69美元/月，包含每月100分钟供Campaign、Agents和API使用，并有同样的限时无限Studio视频宣传。Business增加5个Express Avatar、600次AI提示头像生成、3个声音克隆、3个Agentic Video、更快处理、手动内容审核、Gold支持及商业许可，适合更高频团队。
Enterprise价格	Enterprise按需报价，可配置V3 Pro与V4头像、更多声音克隆、自定义水印、团队席位、SAML/SSO、企业安全、人工审核、支持等级和高吞吐API。V4情感头像与复杂实时部署通常需要联系销售。

Creator价格

Creator当前为29美元/月，年付折算24美元/月，包含每月45分钟供Campaign、Agents和API使用。限时页面同时标注可创建或翻译无限视频，但这属于可能变化的促销，不应理解为所有API与实时会话无限。

Creator包含3个Express Avatar、100次AI提示头像生成、高级声音、1个声音克隆、1个Agentic Video、快速处理、无水印、字幕、背景移除、最长5分钟翻译和商业使用许可。

Business价格

Business当前为89美元/月，年付折算69美元/月，包含每月100分钟供Campaign、Agents和API使用，并有同样的限时无限Studio视频宣传。

Business增加5个Express Avatar、600次AI提示头像生成、3个声音克隆、3个Agentic Video、更快处理、手动内容审核、Gold支持及商业许可，适合更高频团队。

Enterprise价格

Enterprise按需报价，可配置V3 Pro与V4头像、更多声音克隆、自定义水印、团队席位、SAML/SSO、企业安全、人工审核、支持等级和高吞吐API。V4情感头像与复杂实时部署通常需要联系销售。

分钟如何计算？

视频时长向上取整到最接近的15秒，例如1分10秒会消耗1分15秒。Studio、Agents、Campaign、Video Translate和API共享或按计划分配分钟，API生成会从同一账户余额扣除。

分钟每月刷新，未用部分不会累计。实时流式客户的计费可能按独立比例或合同计算，不能用普通录制视频时长直接推算。

水印与AI披露

Free带D-ID Logo，旧Trial为全屏水印；Creator和Business当前页面显示无水印Studio输出。

企业和API可以按权限自定义或移除品牌水印，但D-ID强调合成内容透明，某些方案仍可能保留通用AI标记。

能移除品牌Logo不等于可以隐藏AI身份。营销、新闻、客服和真人数字分身应按法律和平台规则标注合成内容。

D-ID REST API

API使用Basic认证和账户生成的API Key，覆盖V2 Talks、V3 Instant Scenes、V3 Pro Clips、V4 Expressive Avatars、Visual Agents、流媒体、Video Translate、音频上传和其他资源。任务通常异步提交，可轮询状态或通过Webhook接收结果。

API上传的临时音频通常保留24至48小时。开发者需要安全保存密钥、限制域名与权限、处理失败重试、内容审核和结果URL有效期，不能把密钥暴露在前端。