D-ID 是什么?
D-ID 是通过浏览器 Studio、移动 App、集成、API 和 SDK 提供的数字人视频与 Visual Agent 平台。它可根据文本/音频让照片说话,用 Stock 或 Personal Presenter 生成视频,以口型同步和声音克隆翻译旧视频,并创建由 LLM 与知识库驱动的互动数字人。
当前技术范围包括 V2 Photo、V3 Stock/Instant、V4 Expressive Avatars、30+ 翻译输出语言、多家语音供应商、Canva/PowerPoint,以及前端 Embed。实时 Agent 可听取麦克风、检索组织知识,通过 WebRTC/LiveKit 讲话,并导出对话。
这些场景的数据流不同。一次性培训视频、长期 Personal Avatar、Voice Clone、翻译访谈和常开客服 Agent 不应共用一份笼统批准。
质量、翻译与 Agent 安全
数字人质量取决于源人脸、分辨率、姿态、裁切、动作、音频、发音、语言和风格。口型/表情看起来可信也可能不自然,应检查面部 Artifact、眼口、手、Logo、节奏、读音、字幕,以及表演是否改变原说话者情绪。
Video Translate 按目标语言分别计费,并可克隆原声。生成前校对姓名、数字、主张、监管术语、敬语和文化表达。当前比较表中,自助档翻译视频上限通常为 5 分钟,Enterprise 为 30 分钟;只有 Enterprise 把 Proofreading 列为套餐功能,其他用户需自建语言 QA。
Visual Agents 风险更高:麦克风、STT、LLM、RAG、TTS、数字人渲染可能串联,ElevenLabs 模式还把完整对话管线交给另一供应商。需限制知识源、移除 Secret/Prompt Injection 内容、定义拒答、测试未知问题、限制 Tool/Action、明确标注 AI、取得麦克风同意、提供人工接管并审阅导出对话。
当前价格、Credits 与水印
年付页显示 Trial 免费 14 天/3 分钟;Lite $56/年(折合 $4.70/月)每月 10 分钟;Pro $191/年($16)每月 15;Advanced $1,293/年($108)每月 100;Enterprise 定制,宣传自定义/无限分钟、协作、SSO、专业服务和最快处理。年费预付但 Credits 仍按月发,不是一次年度池。
Trial/Lite 仅个人许可。Pro 增加商用、Premium Voice、1 个 Voice Clone、字幕和 AI 水印;Advanced 增加更多 Personal Avatar/Clone,并可用 Custom Logo。帮助称只有 Enterprise 能完全移除水印,要区分“换 Logo”和“无水印”。Trial 为全屏水印,Lite 是 D-ID 标识,Pro 为通用 AI 标识。
常规视频和翻译通常每 15 秒 1 Credit,每种翻译语言是独立输出。Agent 每 15 秒回复耗 0.5,额度耗尽即停止。模型、语音、知识与外部供应商还可能另收费。“首月无限”受 Fair-use 限制,不能作为生产预算。
同意、生物识别、肖像与披露
D-ID 生物识别政策称,数字人、说话图片、声音克隆、Video-to-video 和身份验证可能提取人脸几何、Landmark、Voiceprint、Gait 等,并可能向验证/审核供应商共享。政策称这些信息不用于改进产品或训练模型,并在适用保留期结束后销毁。
应从每个可识别人物取得具体、知情、可撤回许可:说明采集哪些脸/声音、是否建立可复用 Clone、具体目的与渠道、地区、商业使用、编辑/翻译、期限、接收者、供应商、保留、删除和撤回后果。公开视频或普通录像同意不自动包含“合成新话语”。
在内容和元数据中合理标注合成讲述者,并遵守平台、广告、选举、消费者保护、劳动、Publicity 和生物识别法律。不得让真人看似认可未批准商品、说出未批准主张或参加虚构事件。
保留、安全与 API
隐私政策称未设 Persist 的 API Applicative Data 通常在 AWS 设置下 24 小时内删除,Agents 产品数据 72 小时内,Insight 14 天内;设 persist 后会加密保存到用户删除。维护数字人所需的生物模板可能更久,最长至必要或法律允许期。这是不同计时器,必须分别记录。
尽量显式删除完成的 API 输入,默认不启用 Persist,移除不用的 Avatar/Clone,为 Conversation Export 设短保留,并核验备份/子处理者。D-ID 称等待处理/删除的 Applicative Data 不用于模型训练,也不在声明外备份;企业承诺应写入 Order Form。
API Key 是通过 Basic Auth 传输的 Username/Password Pair,只应保存在服务端或 Secret Manager,不得放前端或公开仓库。轮换 Key、设消费告警、限制 Embed Domain、保护 Client Key、限速 Session、验证 Upload/URL、监控异常生成,并给实时 Agent 配 Kill Switch。
结论
D-ID 从单张说话照片一路覆盖本地化 Presenter Library 和实时 AI 界面,Studio 易用,API/SDK 又能编程扩展。
适用性更取决于授权与治理:选择具备正确商用/水印权的档位,测试语言与视觉,明显披露合成身份,取得细粒度人脸/声音同意,最小化持久化,保护密钥并监督实时回答。缺少这些控制时,越逼真的数字人风险越大。
