D-ID

D-ID是什麼？

D-ID是一個專為企業的培訓、行銷、客戶服務以及開發者所設計的AI數位人平台。使用者可以選擇現有的頭像、上傳照片，或是錄製影片來打造自己的數位分身。接下來，再輸入腳本、選擇聲音或上傳音頻，如此就能製作出具有口型與表情的演示影片了。

產品已從早期的「讓照片說話」，發展為完整的數位人基礎設施，包括 Creative Reality Studio、V2 至 V4 的頭像、聲音克隆、影片翻譯、個性化影片行銷活動、即時視覺代理人、REST API 以及瀏覽器代理人 SDK。

照片說話與V2 Avatars

V2頭像是由單張正面照片所創建而成，渲染速度很快，因此很適合用於頻繁且簡單的培訓、通知及解說等場合。使用者可以上傳自己的照片，或是選擇現有的角色形象，再讓頭像朗讀文字或已錄製好的音頻。

單圖動畫會根據照片推斷嘴型、頭部動作和表情，因此牙齒、臉部邊緣、頭髮和配飾都可能出現變形。上傳人物照片時必須取得授權，不得用來冒充或誤導他人。

V3 Instant Avatars

V3 Instant是透過約1分鐘長度的使用者自拍影片來製作的，通常在10分鐘內就能完成。它會保留原影片的背景及自然動作，同時也可以使用克隆聲音、合成聲音或錄音來進行旁白，因此很適合快速製作出更像本人風格的內容。

建立流程要求朗讀同意聲明及隨機生成的驗證詞，並可能進行語音驗證，其目的在於確認頭像與語音已獲得本人許可。Instant頭像用於影片輸出，不支援即時Visual Agent。

V3 Pro Avatars

V3 Pro使用約3至5分鐘的高品質錄製素材，大約24小時即可完成錄製，其特色在於能呈現更真實的臉部細節與動作，同時還具備聲音克隆功能。也可選擇綠幕錄製，以便更換背景，非常適合企業講師、品牌代言人以及需要高品質內容的人士使用。

V3 Pro通常從Pro或更高階的計劃中開放，可用於即時的Visual Agents。錄製時需保持穩定的燈光、清晰的音質，以及完整的同意流程，因為素材的品質會直接影響長期數位分身的效果。

V4 Expressive Avatars

V4透過一組表達不同情緒的短影片進行訓練，能夠根據輸入內容呈現出平靜、積極、共情等情緒，並強化聲音、面部表情與語意之間的一致性。它可用於高影響力的腳本影片以及即時互動應用中，目前主要服務對象為企業客戶。

情緒輸出仍屬於合成表演，不應在醫療、金融、危機溝通或客服中虛構真人的同理心與專業判斷。需要向用戶清楚披露其AI身份。

Creative Reality Studio

Studio提供可視化的影片製作介面，使用者可選擇頭像與聲音、輸入腳本、設定頭像的大小與位置，並添加背景、圖片、影片和文字圖層。支援字幕導出、背景移除以及不同的品牌樣式。

標準頭像在各計劃上最高約1280×1280；標有HQ的Premium Presenter在Free以外的適用方案可輸出1080p。

目前，比較表允許單個Studio影片的最長長度為30分鐘，但不同的舊版頁面及API端點可能仍顯示5分鐘的限制，實際以所選用的頭像及生成入口為準。

聲音、上傳音頻與Voice Clone

平台提供120多種語言和口音的標準或高級聲音，也支援上傳音頻、錄音以及導入第三方聲音。Creator版本包含1個聲音克隆功能，Business版本則包含3個，而Enterprise版本則根據合約內容進行配置。

克隆聲音需要朗讀同意聲明，不得複製無授權人物、公眾人物或客戶。發音、專有名詞和數字仍需試聽，敏感內容應保留人工配音備選。

Video Translate影片翻譯

Video Translate會識別原影片中的語音，將內容翻譯成目標語言，同時還能複製說話者的聲音並重新同步口型，目前支援超過30種輸出語言。Creator和Business版可處理最長5分鐘的影片，而Free版則最多只能處理約30秒的影片。

翻譯後的語義、專有名詞、金額及法律表述需人工校對。某些方案支援下載SRT，企業可增加校對流程。

輸入影片中的演員和聲音必須允許翻譯與合成。

Visual Agents即時數字人

Visual Agents將數位頭像與大語言模型、知識庫、聲音以及即時流媒體相結合，訪客可在網站或應用程式中與其面對面交談。使用者可以設定語言、聲音、人格、知識及動作，用於客服、自助諮詢、培訓以及產品引導。

V2、V3 Pro和V4可支持實時Agent；V4使用LiveKit並支持麥克風輸入與持續流暢模式。

Agent回答可能出錯，涉及賬戶、交易和高風險建議時必須設定檢索來源、工具權限、升級真人和審計記錄。

Agentic Videos

Agentic Video將代理嵌入預製影片中，讓觀看者在播放過程中提出問題，並獲得數位人的回覆。Creator類型目前有1個，Business類型則有3個，適用於培訓、銷售說明以及產品說明等場合。

影片行銷個性化影片

Campaigns可利用動態欄位批量生成或發送個性化影片，並為影片頁面設定品牌Logo和顏色。它適用於銷售觸達、客戶歡迎以及活動邀請，但姓名、公司和訂單等個人資料必須有合法的使用依據，同時還需確認每個變數都正確對應。

Free免費方案

免費版為0美元，每月可創建4個影片，並提供5分鐘的時間用於進行活動宣傳、使用Agent功能以及API服務。此外，還包含100多個預設頭像、1個快速生成頭像的功能、標準音效、標準處理功能、API服務、Canva、PowerPoint，以及適用於行動裝置的入口。

Free僅提供個人使用許可，影片帶有D-ID Logo水印；Video Translate最長約30秒。

免費帳戶如果連續6個月不使用，數據可能在郵件通知後刪除。

價格與版本對比

Creator價格

Creator的目前價格為每月29美元，若選擇年付則為每月24美元，此價格已包含每月45分鐘的用戶時數，可用於進行活動推廣、與代理人溝通以及使用API。雖然頁面上標明可以創建或翻譯無限數量的影片，但這屬於可能變更的促銷優惠，因此不應被視為所有API和即時會話的使用次數都是無限的。

Creator包含3個Express Avatar、100次AI提示頭像生成、高級聲音、1個聲音克隆、1個Agentic Video、快速處理、無水印、字幕、背景移除、最長5分鐘翻譯以及商業使用許可。

Business價格

Business的目前費用為89美元/月，若選擇年度付款則為69美元/月。此方案包含每月100分鐘的用量，可用於Campaign、Agents和API之類的用途，同時還可享受無限次數的Studio影片宣傳服務。

商業版新增5個Express Avatar、600次AI提示頭像生成、3個聲音克隆、3個Agentic Video、更快的處理速度、手動內容審核、Gold支援及商業授權，適合高頻使用的團隊。

Enterprise價格

Enterprise可依需求報價，可配置V3 Pro與V4頭像、更多聲音克隆功能、自訂水印、團隊席位、SAML/SSO、企業級安全措施、人工審核服務，以及不同等級的支援與高吞吐量API。至於V4情感頭像及複雜的即時部署需求，則通常需要聯絡銷售人員。

分鐘如何計算？

影片的長度會向上取整到最接近的15秒，例如1分10秒的影片會被計算為1分15秒。Studio、Agents、Campaign、Video Translate和API會共享或按計劃來分配分鐘數，而API所產生的費用則會從同一個帳戶的餘額中扣除。

分鐘每月刷新，未用部分不會累計。即時流式客戶的計費可能按獨立比例或合約計算，不能以普通錄製影片的時長直接推算。

水印與AI披露

Free版本帶有D-ID標誌，舊版試用版則為全螢幕水印；Creator和Business版本在當前頁面顯示無水印，Studio版本則會有水印。

企業和API可以根據權限自訂或移除品牌水印，但D-ID強調合成內容的透明度，因此某些方案仍可能保留通用AI標記。

能移除品牌Logo不等於可以隱藏AI身份。行銷、新聞、客服和真人數位分身應按法律和平台規則標註合成內容。

D-ID REST API

API使用Basic認證以及由帳戶生成的API Key，可應用於V2 Talks、V3 Instant Scenes、V3 Pro Clips、V4 Expressive Avatars、Visual Agents、流媒體、Video Translate、音頻上傳以及其他各種功能。任務通常以非同步方式提交，可以透過輪詢來查看狀態，或透過Webhook來接收處理結果。

API上傳的臨時音頻通常會被保留24至48小時。開發者需要安全地儲存金鑰、限制網域與權限、處理失敗時的重試機制、進行內容審核，並控制結果URL的有效期，同時不得將金鑰暴露在前端。

Agents SDK與GitHub

D-ID在GitHub上公開了Agents SDK、範例應用程式、即時流媒體示範以及API範例。前端可以安裝官方的client SDK，將已建立的Agent嵌入網頁中，並使用connect、speak、chat、interrupt以及麥克風輸入等功能。

SDK支援V2 Talks、V3 Clips和V4 Expressives；Agent與知識庫本身應透過Studio或Agents API來建立。

SDK與Demo開放源碼不代表D-ID頭像模型、渲染服務和商業平台開源，也不能離線私有部署完整服務。

Canva、PowerPoint與行動應用

免費及付費方案皆支援 Canva App、PowerPoint Add-in 和 D-ID 行動應用，可在簡報、設計及手機上創建或調用數位人影片。行動端訂閱需透過對應的應用商店取消，其價格與權益可能與網頁版本不同。

商業使用與版權

Creator、Business和Enterprise包含商業許可；Free用於個人用途。

商業使用的先決條件是，使用者必須擁有腳本、照片、聲音、Logo以及其他素材的權利，並遵守頭像與聲音的相關規定。

生成影片不得用於欺騙、未經授權的冒充、政治操縱、詐騙或虛假背書。合成輸出仍可能包含錯誤及與第三方相似的內容，發布者承擔審核責任。

取消與賬戶刪除

網頁訂閱可在Billing中取消，現有權益持續到付款週期結束，之後會降級；未使用的分鐘數僅在當個週期內有效。

移動訂閱需在App Store或Google Play管理。

刪除帳戶需要聯繫支援，會永久移除生成的與翻譯影片、Agents以及儲存資料，且無法恢復。執行前應下載專案、字幕、Agent設定及日誌。

D-ID使用教學

完成一次基礎任務

1. 確定受眾、平台、畫幅、時長和必須表達的資訊；
2. 在D-ID中準備腳本、鏡頭或有權使用的參考素材；
3. 選擇照片說話與V2 Avatars並生成低成本預覽；
4. 使用V3 Instant Avatars調整畫面、節奏、字幕和聲音；
5. 逐幀檢查人物、文字、Logo、口型及事實準確性；
6. 確認音樂、肖像和素材授權後導出目標規格；

建立可重複使用的專業工作流

1. 建立腳本、鏡頭表、品牌素材和禁用元素清單；
2. 為照片說話與V2 Avatars、V3 Instant Avatars和V3 Pro Avatars保存統一參數；
3. 先用代表性鏡頭測試模型與額度；
4. 把失敗鏡頭轉入人工剪輯或重新生成；
5. 統一字幕、響度、色彩和片尾版權資訊；
6. 記錄版本和審核人後再批量發布；

適合哪些用戶？

• 製作培訓、入職和產品說明影片的企業；
• 需要多語言數字人口播的行銷團隊；
• 批量生成個性化銷售影片的運營人員；
• 將即時 Visual Agent 嵌入網站和應用程式的開發者；
• 需要照片動畫、聲音克隆和影片翻譯的創作者。

產品優勢

• 頭像從單圖到V4多情感數字人分層完整；
• 支援120多種語言和30多種影片翻譯語言；
• Studio、Campaign、Agents、Translate和API統一；
• 可創建個人頭像與聲音克隆；
• 提供即時流媒體、Agents SDK與Webhook；
• 覆蓋Canva、PowerPoint、Web和行動端。

限制與注意事項

• 分鐘按15秒進位且不結轉，短影片尾部也可能增加消耗；
• 所謂無限Studio影片是當前的限時權益，Agents、Campaign和API仍受45或100分鐘的限制；
• 數字人會出現口型、眼神、牙齒和手勢不自然，翻譯和Agent回答也可能錯誤；
• 所有真人數字分身和聲音必須完成明確授權和AI披露；

常見問題

D-ID免費嗎？

有Free方案，每月4個影片和5分鐘Agents、Campaign或API額度，帶D-ID水印且僅限個人使用。

D-ID多少錢？

Creator：每月29美元，或選擇年度付款則為每月24美元；Business：每月89美元，或選擇年度付款則為每月69美元。

Enterprise訂製報價。

可以用自己的頭像和聲音嗎？

可以。可從照片或影片創建V2/V3頭像，Creator含1個聲音克隆，Business含3個；

需要完成同意驗證。

支持影片翻譯嗎？

支援30多種輸出語言，能翻譯語音、克隆聲音並重做口型。Creator和Business單個影片最長約5分鐘。

有API和SDK嗎？

有完整REST API與官方前端Agents SDK，可生成頭像影片、翻譯、建立即時代理和嵌入網頁。

D-ID是開源的嗎？

平台和生成模型不開源；官方開放了Agents SDK、Demo和示例代碼，使用仍依賴D-ID雲端API與付費額度。