百度曦灵

百度曦灵是什么？

百度曦灵是百度智能云推出的数字人、数字员工与营销内容创作平台，覆盖数字人视频、直播、实时交互、企业知识问答、形象定制、声音克隆和开发者组件。它既提供普通用户可操作的创作工作台，也提供API、SDK与MCP供企业集成。

曦灵不是一个单一“数字人口播生成器”。当前产品分为营销内容创作平台和数字员工开放平台，前者重视内容与直播运营，后者强调形象、视频、交互和直播组件组合。

公共人像与音色

官方产品文档当前标示提供800多个公共人像和150多个公共音色，可用于视频、直播和对话应用。不同形象适用的组件、画幅和授权范围可能不同。

公共可选不代表所有商业用途永久免费。购买前应确认使用期限、媒体、地区、品牌与敏感行业限制。

照片数字人

照片数字人可从一张单帧人像快速生成2D数字形象，用于照片数字人视频或端渲染交互。基础照片定制服务当前为20元/次，批量包按次数线性计价。

单张照片的动作和视角变化有限，输入应为清晰正脸并取得肖像授权。

2D小样本数字人

2D小样本数字人通过录制真人视频训练形象。通用口型通常需1至4分钟闭嘴视频，当前定制价1000元/次；专属口型通常需4至8分钟口播，当前2000元/次。

拍摄光线、服装、动作和背景会影响最终效果。训练形象可用于视频、交互和直播组件，但各组件还需购买对应服务。

生成式数字人

生成式基础版上传一张人像照片即可训练，文档标示约40分钟完成，当前20元/次，主要用于视频组件。高级版动作与交互状态更自然，支持视频与交互，当前2000元/次。

基础版不适合需要聆听态与播报态自然切换的实时交互。选型前应先看样片。

3D数字人

曦灵提供文生3D、3D卡通以及企业模型适配。3D数字人可用于视频和交互，并支持不同横竖屏、半身与全身形态。

极速版3D定制当前标示6万元/个人像。企业提供原画或模型时还需适配，周期可能达到数周。

2D超拟真与端渲染

2D超拟真数字人通过静默与动作视频训练，面向云渲染交互；2D端渲染数字人则在终端设备运行，适合大屏、App和特定离线或低延迟场景。

端渲染需要SDK、License、设备兼容和TTS资源，不能只购买形象就直接上线。

123数字人视频

123数字人是曦灵的视频生成组件之一，可通过形象、声音和文字合成数字人口播，并提供正式接口。它适合批量新闻、课程和营销内容。

批量任务要处理异步状态、回调、失败重试和结果下载，输出脚本也要做事实与合规审核。

视频创作工作台

营销内容平台当前列出商品图生视频、视频翻译、灵感转视频、精编视频、AI广告、PPT生成、AI名片和裂变视频等多种制作方式。

工作台降低剪辑门槛，但AI生成商品、字幕、价格和人物动作可能有误，正式发布前仍需人工检查。

商品图与AI广告

商品图生视频可把静态商品素材变成营销短片，AI广告则从卖点、脚本和数字人快速生成内容，适合电商和门店运营。

模型可能改变包装文字和商品细节。广告功效、价格、库存和优惠期限必须以真实业务为准。

视频翻译

曦灵提供视频翻译接口，可处理语音、字幕、目标语言配音和人物口型方向，适合跨境营销与培训。

专业术语、文化表达和免责声明需要母语审校，克隆声音必须有权使用。

数字人直播

直播组件可驱动2D小样本数字人持续播报，并结合智能话术、弹幕互动和直播间装修。营销平台还支持授权美团、淘宝、京东等平台并查看直播数据。

无人直播也必须遵守平台规则和AI合成标识要求。商品与互动回复需要设置人工兜底。

实时对话数字人

交互组件把语音识别、大模型、知识库、语音合成和数字人渲染组合成实时对话。用户可配置有知识、技能和人格的数字分身智能体。

实时应用要处理延迟、打断、敏感问题、幻觉和网络异常。医疗、金融等高风险场景必须转人工。

知识库与智能体

平台支持上传文档构建专属知识库，让数字人结合通识、行业与企业资料回答问题。适合企业展厅、客服、培训和导览。

知识库需要版本更新、权限和引用核验。大模型回答不能替代正式政策与合同。

声音克隆

声音克隆LITE版当前为10元/次，标准声音克隆为200元/次，均有10次和100次服务包。训练完成的TTS可用于数字人视频、交互和直播组件。

克隆前必须取得说话人明确同意，并遵守曦灵克隆协议。不得冒充或伪造授权。

语音合成与SSML

平台提供语音合成API及SSML控制，可用文字驱动数字人，并调整停顿、语速和读音。端渲染交互通常需要字符包与并发。

当前TTS字符包10万字符100元、100万字符1000元，有效期一年；并发扩容40元/月或400元/年。

视频生成时长包

开放平台的视频组件按生成时长包计费，有效期通常一年。照片数字人10分钟45元，2D小样本和123数字人10分钟30元，2D精品40元，3D数字人50元。

100分钟和1000分钟按相同单价放大。公共资源池不提供专属并发，高峰速度受共享资源影响。

视频专属并发

照片数字人专属并发当前4500元/月或4.5万元/年；2D小样本、2D精品、3D和123数字人通常2000元/月或2万元/年。

视频计费可以仅购买时长包，也可以时长包加专属并发。小规模任务可先使用公共池。

云渲染交互价格

2D云渲染交互一并发当前800元/7天、2400元/月、2.4万元/年；3D为1200元/7天、3600元/月、3.6万元/年。

交互应用还需要形象、语音、大模型和网络等资源，总成本不能只看并发价格。

端渲染SDK价格

照片数字人H5端渲染License当前1万元/月或10万元/年。2D端渲染提供设备授权3600元/个和应用授权3.6万元/个；应用授权只覆盖Android或iOS单一系统下有限设备。

3D端渲染按并发计费，当前120元/7天、360元/月、3600元/年。具体适配与设备上限需看合同。

直播组件价格

2D小样本数字人直播API专属并发当前700元/7天、2000元/月或2万元/年，并可限时使用标准人像库。

直播还需要形象训练、内容、声音和推流资源，单独购买直播并发不构成完整方案。

为什么要组合购买？

官方价格指南明确说明，单独购买形象、播报或交互任一产品通常不能直接形成最终应用。形象解决“谁出现”，时长或并发解决“如何生成”，TTS和大模型解决“说什么与怎么回应”。

采购前应画出完整链路，并按视频、直播或交互场景选择组件。

API与SDK

曦灵文档提供文件上传、形象定制、声音克隆、视频合成、图生视频、视频翻译、混剪、云渲染、会话管理、推流和多端SDK。

生产接入要保护鉴权、验证回调、限制并发、保存任务结果并处理License更新。

数字人MCP

开放平台已适配MCP，可让支持MCP的大模型应用上传素材、制作数字人、合成声音和查询任务，从对话中调用曦灵能力。

MCP使用仍需平台账号、权益和克隆协议，不代表免费或本地运行。

是否开源？

曦灵平台、数字人模型、渲染服务和SDK是闭源商业产品，没有查到官方公开的完整核心源码或模型权重。

GitHub上支持接入百度曦灵的第三方数字人项目，不等于曦灵本身开源。

适合哪些用户？

• 制作批量数字人口播和课程的团队；
• 开展电商直播与营销视频的企业；
• 建设展厅、客服、导览和培训数字员工的机构；
• 需要2D、3D或手语数字人SDK的开发者；
• 需要声音克隆、API和MCP集成的平台方。

产品优势

• 视频、直播、交互和智能体场景完整；
• 公共人像与音色资源丰富；
• 照片、2D、3D和端渲染形态多样；
• 官方价格表拆分到时长、并发与License；
• 提供API、SDK和MCP；
• 可结合百度云与大模型能力。

限制与注意事项

产品组件多，采购组合复杂。形象、生成时长、并发、交互License、TTS、大模型和云资源可能分别计费。

数字人、声音与营销内容涉及肖像、声音、版权和广告合规。所有AI输出都需要人工审核。

常见问题

百度曦灵免费吗？

登录可领取部分体验权益，免费额度用完需在组件商店购买。企业正式使用按组件计费。

照片数字人多少钱？

照片形象定制当前20元/次，视频生成时长10分钟45元；交互应用还需SDK、TTS等组件。

声音克隆多少钱？

LITE版当前10元/次，标准版200元/次，均可买批量服务包。

能做数字人直播吗？

可以，2D小样本直播API当前专属并发约2000元/月，还需形象和内容等资源。

百度曦灵有API吗？

有完整API、H5及移动端SDK，并支持MCP，覆盖视频、交互、直播和定制。

百度曦灵开源吗？

不开源。核心平台、模型和渲染服务未公开完整源码。