有言：3000款3D数字人一键成片，企业培训视频平台

有言是魔珐科技的一站式AI视频与3D数字人生成平台，内置3000余款超写实形象，输入文字即可生成带动作、运镜与配音的成片，最高1080P导出，适合企业培训、课程制作、电商口播与政务宣传。

一、有言是什么

1.1 一句话定义

有言是魔珐（上海）信息科技有限公司推出的原生3D内容AIGC平台，核心动作只有一个：把一段文字脚本，变成有数字人出镜、有场景、有运镜、有配音、有字幕的完整视频，不需要摄影棚、真人出镜，也不用会三维软件。

拆开看是三层叠加。底层是魔珐自研的3D数字人全栈技术，含超写实建模与绑定、文生动作、文生语音、文生运镜；中间是可视化编辑器，负责拼时间轴、换镜头、加包装；最上层是模板与素材库，不会写分镜的人也能套版式出片。所以有言既不是纯生成模型，也不是纯剪辑软件，而是把「3D数字人演员 + AI导演 + 轻量后期」打包进浏览器的生产工具。从脚本到成片都在网页里完成，不导出工程文件，也不吃本地显卡。

1.2 有言解决了谁的什么问题

第一类是企业培训部门。内训视频要覆盖几千名一线员工，内容还随政策、产品、价格频繁变动。传统做法是请讲师录课，协调场地、灯光、档期，改一句话就得重录。公开案例里，伊利把PPT与文稿交给有言转成培训视频，累计生成超过2万分钟；中兴用有言视频化了2000门面向全球客户的课程。这两个数字说明的不是画面多精美，而是「改稿成本」被压到接近零。

第二类是课程制作方与知识付费团队。老师的强项是讲清知识点，弱项是对着镜头自然表达。数字人把这个矛盾解开了：讲稿写多细，画面就有多细，讲错一句改文字即可。多语种输出还顺手解决了课程出海，同一份脚本换语种音色即可重新生成。

第三类是电商与本地生活口播团队。日更账号的瓶颈不是创意，是产能。一条30秒口播，真人拍摄加剪辑要半天，用数字人只要脚本定稿后几分钟。对SKU多、卖点重复、只需换产品和换话术的场景，这种产能差异直接决定一个团队能铺多少账号。

第四类是政务与公共服务窗口。宣传片对出镜人员的形象、着装、表述都有规范要求，反复拍摄协调成本高；线下大厅的导办还需要7×24小时有人应答。这两类需求在2026年之后被「具身智能体」接住了——同一套形象既能出宣传视频，也能挂到大厅屏幕上做问答。

反过来说，有言不适合需要真实情感张力的品牌片，不适合复杂实景与手持镜头，也不适合对每帧表情都有电影级要求的广告。有言擅长的是信息密度高、更新频率高、出镜人只需稳定表达的内容，这恰好覆盖了企业日常生产的大部分需求。

二、基本信息

有言平台基本信息
工具／平台名称	有言（魔珐有言）
官网网址	youyan3d.com
上线时间	2023年8月发布，2024年3月官网正式对外开放
产品功能	3D／2D数字人视频生成、形象与音色克隆、PPT转视频、AI生成PPT、具身智能体、团队协作
所属公司	魔珐（上海）信息科技有限公司（魔珐科技）

补充两点容易被忽略的信息。其一是产品矩阵：魔珐科技旗下除有言外，还有做数字人直播的「有光」、做交互智能体的「有灵」，以及2025年10月发布的开放平台「魔珐星云」。前者负责内容生产，后者负责实时驱动，形象资产可打通。

其二是交付形态：纯浏览器产品，注册即用，不要求独立显卡，政企采购时终端设备不必单独升级配置。

三、主要功能

3.1 三千余款3D数字人角色库

有言官网口径是已上线超过3000款3D数字人，覆盖不同年龄、肤色与风格，职业角色从销售顾问、培训讲师、企业高管延伸到政务导办员、医疗护士、新闻主播、教育教师，每月新增超百款。角色库支持按年龄、性别、风格、语言筛选，选人这一步几分钟就能完成。

限制在于库内形象与专属形象是两回事。库内形象可换服装、发型、妆容、饰品与脸型，但底层是公共资产，同行业客户可能撞脸；独占形象要走定制，周期与费用都不在自助套餐内。

3.2 文字一键生成3D视频

这是有言的主动脉。把脚本粘进编辑器，选好数字人、场景与音色，点生成，系统自动完成断句、口型对齐、表情匹配、肢体动作、镜头切换与灯光布置。一条3分钟讲解视频，等待通常在十几分钟量级，高峰会排队。

操作路径很清楚：工作台右上角新建作品，选横屏或竖屏，进编辑器后左侧填脚本，上方切人物、场景、音色，右侧调景别，底部点生成。系统会依据语义自动安排景别与机位，全景交代环境、中近景讲重点、特写强调情绪，切换节奏接近导播习惯；生成之后每个镜头仍可手动换景别、换场景、调站位。限制是单条时长有上限，个人入门版5分钟、标准版10分钟，超长课程必须拆成多集，而且有言做的是讲解型运镜，缺少手持晃动、快速甩镜这类风格化语言。

3.3 文生动作与表情

动作不是简单循环动画，而是由文生动作大模型按语义生成。脚本写「这一步要注意三点」，数字人可能配合抬手计数；写「这个方案不建议」，语气与眉眼会同步收紧。官方归纳为点头、指向、挥手等手势，以及开心、困惑、严肃等情绪，都能由文本驱动。

限制是可控性弱于可预期性。你能选通用、客服、严肃、活泼、自然五档动作风格，但很难精确指定「第12秒右手抬到胸口」，帧级调度仍要回到传统三维流程。另外2D数字人不支持动作与表情编辑，选型时要先确认。

3.4 文生语音与多语种配音

输入文字即可合成语音，有言提供百余款音色，覆盖不同性别、年龄与播音风格，官方称支持100种以上语言的配音输出。语速、语调、音量可独立调节，脚本里能插入停顿与注音，解决多音字、品牌词读错的问题。

限制在于「像人」和「是这个人」之间仍有距离。公共音色听感稳定但辨识度一般；要还原某位讲师的声音需走音色克隆，个人版每月2至4次额度，企业版另议。克隆音色的合规责任在使用方，必须取得本人书面授权。

3.5 形象克隆与音色克隆

官方说明是上传一张真人照片加一段音频，即可生成专属3D形象并1:1还原声线，用于品牌代言人、创始人对外宣传等场景。除克隆外还提供原创形象定制，按行业与地域文化设计全新角色。个人入门版与标准版每月各含2次与4次形象克隆、音色克隆额度。

限制有两层。技术上，照片的光线、角度、清晰度直接决定相似度，随手拍的照片很难出好结果；合规上，涉及真人肖像必须取得单独授权，按现行深度合成与生成式人工智能管理规定，编辑真人声像要有书面同意，生成内容需按规定标识。

3.6 PPT转视频与AI生成PPT

有言的PPT转视频对培训岗最实用。上传PPTX或PDF，系统解析页面内容并生成逐字讲稿，再选形象、场景、音色，一键出片。反向也成立：输入主题或上传Word、PDF、TXT，AI先分页生成PPT并配图，再转成讲解视频。2026年2月版本还把PPT做成可问答的「PPT数智讲答」，观众能举手提问。

限制是排版美化程度取决于模板。AI生成的PPT结构清晰、逻辑完整，视觉设计偏保守，重要场合仍建议人工过一遍版式。上传文件也有体积上限，30MB是常见门槛。

3.7 后期包装与成片导出

包装能力包括字幕模板、文字模板、贴纸动效、背景音乐库、片头片尾、品牌标识位。字幕支持逐句校对与样式套用，背景音乐可按情绪与行业筛选。导出MP4，个人版最高1080P，免费体验版540P且每月限3条。

限制是导出规格的天花板。公开的最高档为1080P，没有4K，也不提供透明通道素材，很难直接嵌进需要深度合成的高端影视流程。企业内训与社媒投放够用，户外大屏与院线不够。

四、发展历程

有言关键发展节点
时间	事件	影响
2023年8月	魔珐科技在发布会提出「3D虚拟人」定义，发布三款消费级产品，有言在列	从项目制交付转向标准化平台
2024年3月	有言官网正式上线，产品入口与教程全面开放	从邀约制走向公众可注册，开始规模化获客
2024年下半年	陆续上线数字人克隆、团队协作等进阶能力	从「用公共形象」扩展到「用自己人」
2025年11月	上线AI生成PPT，支持脚本生成与主题生成	打通文档、演示、视频链路，培训场景闭环
2026年2月	发布2D数字人视频生成与PPT数智讲答	补上2D口播形态，静态课件变成可问答内容
2026年6月	V2.7.0上线具身智能体，支持零代码创建交互数字人	从单向播报进入双向对话，可部署到线下大屏
2026年7月	V2.7.1上线FAQ问答库，智能体回答可溯源	交互内容的准确率与可维护性提升

把时间线连起来看，节奏很清晰：前两年解决「能不能生成」，中间一年解决「生成得像不像、改得快不快」，最近一年解决「生成出来能不能对话」。这不是功能堆叠，而是同一条技术栈向外扩边界——形象、动作、语音、运镜是做视频的四个零件，把这四个零件实时化，就变成了智能体。

另一个信号是2D数字人的加入。魔珐靠3D起家，有言也带着这个基因，长期把超写实三维当作差异化卖点。2026年主动补上2D，说明市场分层已经清楚：要品牌质感与空间调度的选3D，要极低成本铺量的选2D。有言同时提供两种形态，实质是在防守电商口播这块被蝉镜、剪映占据的腹地。

从公司层面看，魔珐科技2017年成立，2019年完成数亿元A轮，2022年连续完成B轮、C轮共1.3亿美元融资，投资方包括红杉资本、五源资本、北极光创投等。有言是这家技术型公司第一个真正面向个人与中小团队的产品，也是有言把三维能力消费品化的关键一步。

五、核心优势

5.1 三维表现力短期补不上

市面上大量数字人工具做的是2D口播：拿一段真人视频训练，换嘴型、换背景。这条路成本低、出片快，天花板也明显——人物不能转身，不能走位，不能换机位，场景永远是平面背景。有言走另一条路，角色是可驱动的三维模型，能走动、能做手势、能被虚拟摄影机从任意角度拍摄。

所以对你意味着什么？如果视频需要「讲师在教室里走动」「主持人在展厅边讲边走」「领导在企业展厅做介绍」这类有空间关系的镜头，2D方案做不到，三维天然成立。有言不擅长的是：对真人微表情、皮肤质感要求极高的近景特写，三维渲染仍会露出「像CG」的痕迹。

5.2 形象供给的宽度决定试错成本

有言提供3000余款形象、数百个3D场景、百余款音色，体量的实际价值不在「多」，而在「选错的代价低」。一个培训部门做20门课，每门换一个讲师形象，2D克隆方案要拍20次真人，公共形象库只是点20次鼠标。

对你意味着什么？铺量时可用不同形象区分课程线，形成栏目感，不必为每个栏目配一个真人。不擅长的是独家性：公共形象人人可用，品牌专属角色仍要定制。

5.3 从脚本到成片的链路足够短

很多工具的能力是碎片化的：这个生成画面，那个负责配音，另一个加字幕，中间靠人搬运。有言把断句、口型、表情、动作、运镜、灯光、字幕、配乐压进同一个生成动作，改脚本就等于改视频。第三方报道提到，课程制作效率提升约200%。

对你意味着什么？内容迭代从「重拍一次」降到「改一段字」，改价、政策更新、课程修订都不必协调档期。不擅长的是：多素材实拍混剪的片子仍要导出后进剪辑软件。

5.4 企业级交付已经跑通

企业版支持5人以上在线协作、团队资产云端管理、多团队空间、企业商用授权与定制形象。公开案例覆盖伊利、中兴、斯凯奇、自然堂、劲酒等头部客户，场景从内训、渠道培训延伸到门店物料与线下大屏。这类客户对授权范围、发票、数据归属的要求，消费级工具接不住。

对你意味着什么？采购流程里需要的是能开票、能给授权书、能签合同的供应商。不擅长的是价格透明：企业版按定制报价，没有公开价目表，测算要走商务沟通。

5.5 视频与智能体共用一套资产

2026年6月上线具身智能体之后，同一款形象、同一套知识库既可以用做宣传视频，也能发布成挂在大屏上的问答入口。知识库支持PPT、PDF、Word、表格、音视频，回答可溯源到知识块。

对你意味着什么？宣传与服务不再是两个项目，一次内容建设能在两个场景复用。政务大厅、企业展厅、职教院校这类既有宣传需求又有咨询需求的单位，价值最明显。不擅长的是：有言做问答型交互，复杂业务办理仍要对接后台系统。

六、如何使用

从零到第一条成片，正常操作下来在30分钟以内。下面按实际界面顺序走一遍，每一步写清点哪里、填什么、等多久。

注册并确认版本。打开有言官网，右上角点登录，手机号或邮箱注册，新账号默认进入个人体验版，账户里有300言币。先别急着买套餐，用体验版跑通一条再说——体验版每月只能导出3条、分辨率540P、带水印，但验证形象与成片风格够用。约2分钟。
新建作品并选版式。进入工作台，点右上角「新建作品」，先选横屏还是竖屏。横屏适合内训课件、官网宣传与投屏，竖屏适合抖音、视频号、电梯屏。这个选择决定场景与构图，中途改要重建。约1分钟。
选创作方式。系统给三个入口：从模板创作、从空白作品创作、从PPT创作。第一次用建议选模板，片头、字幕条、转场都配好了，只换内容不出错；有现成课件的选PPT创作，省掉写分镜这一步。约1分钟。
挑人物、场景、音色。编辑器上方导航依次是人物、场景、音色。人物页可按年龄、性别、风格、语言筛选，也能直接搜「2D」调出2D形象；场景覆盖演播室、教室、会议室、展厅、户外；音色按语种与情绪挑。选完点应用，画面中心立刻预览。约5分钟。
填脚本。左侧脚本区粘贴讲稿。两个实用技巧：每段控制在60至120字，段间空一行，系统会按段切镜头，段落太长会生成一个冗长的固定机位；在需要强调的词后面加逗号或句号，断句越清楚，语气停顿越自然。数字、品牌名、英文缩写建议先用注音标一遍。约10分钟。
调景别与镜头。底部时间轴按段落排列，点任意一段，右侧可改景别（全景、中景、近景、特写）、换场景、插入素材、调人物站位。默认生成的镜头已经可用，只建议改开头和结尾——开场用中景建立信任，结尾用近景收束。约5分钟。
生成并等待。点底部「生成」，页面显示渲染进度。有言一条3分钟视频在非高峰时段约十几分钟出片，晚间等待更久。生成期间可以关掉页面，任务在云端继续。约10至20分钟。
包装与导出。成片进入包装页，加字幕、加背景音乐、加片头片尾、放企业标识。字幕务必通读一遍，专有名词常需手动改。确认后点右上角导出，选1080P，转码完成后下载MP4。约5分钟。

最容易翻车的是第五步。脚本写得像论文，成片就像念稿。一个自检方法：朗读一遍，凡是读起来要换气的地方就补一个句号。

七、使用教程

案例一：把一份产品培训PPT变成8分钟课程

目标：某家电品牌要给全国3000家门店做新品培训，素材是一份28页的PPT，要求一周内上线，后续换价格不用重录。

操作过程：进入有言工作台选「从PPT创作」，上传PPTX（28页、约12MB），系统自动解析每页文字与备注并生成初版讲稿。原PPT备注很少，讲稿偏干，用「AI帮我写」按页重写，再逐页补上导购话术。

提示词原文（可直接复制）：

你是家电行业门店培训讲师，面向零基础导购。
请把下面这页产品参数改写成口语讲解，要求：
1. 开头用一句顾客最常问的问题引入；
2. 中间只讲三个卖点，每个卖点配一个生活场景；
3. 结尾给一句可以直接对顾客说的话；
4. 全文不超过150字，不用套话和空转连接词。
产品页内容：{粘贴该页文字}

参数设置：形象选培训讲师类目下的女性职业装角色，30至35岁区间；场景选现代教室，机位中景；音色用普通话女声、语速0.95倍；动作风格选自然；字幕用底部双行模板，字号调大一档以适配门店电视；背景音乐选企业轻音乐，音量压到人声的15%。

结果评估：有言成片8分12秒，28页对应28个镜头段落，口型与语音没有明显错位，讲到「三个卖点」时自动出现计数手势。全程没有真人出镜，制作周期从两周压缩到3天，导出1080P MP4约420MB。

返工点：三处。型号「KFR-35GW」被读成逐字母，注音后重生成该段；第17页参数表文字太多，语速跟不上切换，拆成两段；结尾「以门店实际为准」被配了挥手动作，语义不搭，改回默认。经验是：数字、型号、免责声明必须单独校对。

案例二：政务大厅导办视频与屏端问答

目标：某区政务服务中心要做12个高频事项的办事指南短视频，同时希望大厅自助机能提供同款问答。

提示词原文（可直接复制）：

写一条60秒政务办事指南口播脚本，事项：灵活就业人员社保缴费。
要求：
1. 第一句说明"谁能办"，用大白话；
2. 中间按"带什么—去哪办—多久办完"三步说，每步一句话；
3. 明确告知线上渠道和线下窗口两个入口；
4. 结尾提醒咨询电话与工作时间；
5. 语气平实，不用广告词，不承诺办理结果，全文280字以内。

参数设置：音色选沉稳男声，语速0.9倍，方便老年人听清；单条控制在60秒内；字幕加大字号、白底黑边，保证强光下可读；第3秒出现事项标题条。12条统一片头，片头只有3秒。

结果评估：12条视频两天做完，单条从脚本到导出约40分钟。上线后大厅立屏的驻足率明显上升，公众号推文里视频的完播情况好于此前的图文说明。更关键的复用发生在第二步：把12条脚本导入知识库，用「具身智能体」建了一个导办员，配置开场白与5个预置问题，发布后生成免登录链接，嵌进公众号菜单与自助机。

返工点：两个。一是「灵活就业」被切成「灵活／就业」，听起来歧义，改成「灵活就业人员，社保缴费」后正常；二是智能体初期回答过于发散，把政策解读扩写成了建议，后来在知识库补了FAQ问答库，把高频问题的标准答案固定下来，并开启回答溯源，才把口径管住。这条经验对政务、金融、医疗类客户都成立：生成能力再强，也要用固定问答兜底。

八、价格优惠

有言的计费单位是「言币」，视频生成按时长扣币，不同分辨率、不同加速档位消耗不同。下面按官网订阅页公开的四档整理，价格随活动浮动，以官网实时价格为准。

有言会员套餐与价格（以官网实时价格为准）
套餐	价格量级	包含额度	适合谁
个人体验版	免费	300言币／月，约4分钟540P，单条≤3分钟，每月限导出3条，带水印	试效果、内部比稿
个人入门版	约30至39元／月	1000言币／月或12000／年，约4分钟／月、48分钟／年，1080P，单条≤5分钟	个人自媒体、单账号周更
个人标准版	约50至79元／月	2400言币／月或28800／年，约10分钟／月、120分钟／年，单条≤10分钟，含每月4次克隆	高频更新、需要克隆形象的个人
企业版	按定制报价，年费万元级起	上千款企业商用形象、团队协作、定制形象与专属场景、发票与授权书	企业内训、政企宣传、渠道培训

需要特别注意授权边界。个人版只给个人商用授权，适用于个人新媒体账号、个体商铺、个人直播带货；企业公众号、企业内训、企业线上线下推广必须用企业版。这在合同层面是硬约束，用错版本属于超范围使用。

怎么买最省，三条：

第一，按分钟数倒推。一条3分钟的内训课，标准版月套餐10分钟只够3条。月更3条内选入门版，5条以上考虑标准版，年更100分钟以上直接谈企业版。

第二，年付比月付便宜约三成，但别一上来买年付。先用免费版跑两条真实项目，确认形象库有可用角色、确认1080P在目标屏幕上够清晰，再上年付。工具选错的成本远高于省下的折扣。

第三，把改稿算进预算。这个工具最大的价值是改稿便宜，但如果流程是「生成一次就定稿」，等于只用了三成能力。合理做法是把一次生产拆成两轮：第一轮低成本出结构、确认脚本，第二轮才用正式额度生成。企业采购时可以把这条直接写进验收标准。

九、最新动态

1. 具身智能体上线（2026年6月，官方公告）。有言V2.7.0把数字人从播报脚本推到双向对话，支持零代码创建，流程是定义人物、搭建场景、编排对话、发布上线。可对接deepseek、GPT-4o、文心一言、豆包等模型，关联企业知识库，线上生成免登录链接，线下可部署到LED业务屏与自助终端。对采购方的意义是：一份预算同时覆盖宣传视频与服务入口。

2. FAQ问答库与回答溯源（2026年7月，官方公告）。V2.7.1给知识库加了FAQ模块，单个分组最多500条，支持表格批量导入，回答会标注来源是FAQ库还是文件知识，点击可查看匹配详情。这条更新看着不起眼，实际解决的是政企客户最在意的问题——口径可控、可追责。

3. 2D数字人与PPT数智讲答（2026年2月，官方公告）。同一天上了两个能力：2D数字人视频生成，支持横屏口播站姿与竖屏直播坐姿、支持透明背景；以及把PPT转成可提问的互动内容，观众能随时举手发问。前者向电商口播市场补位，后者把静态课件变成教学产品。

还有一条行业侧信号：2025年10月魔珐科技发布具身智能开放平台「魔珐星云」，主打低时延实时驱动与低成本端侧渲染，百元级芯片即可运行。有言与有言互补，一个有形象会表达，一个能让形象跑在任意终端上。

十、竞品对比

选型前先明确一件事：这个赛道混着两类产品。一类做内容生产，目标是产出一条能发的视频；一类做实时交互，目标是让数字人站在那里回答问题。混着比会得出错误结论，有言属于前者。

四款数字人视频工具能力对比
维度	有言	蝉镜	SoundView	剪映
形象类型	3D超写实为主，2026年起支持2D	2D真人克隆为主，另有4K定制	以视频本地化为主，附带口播	2D模板形象
形象数量	3000款以上3D，含卡通、美型、二次元	公共形象加自有克隆	20款量级	数十款
自定义克隆	照片加音频克隆3D，另可原创定制	视频克隆2D，基础版起不限次	声音克隆为主	付费克隆，单形象一次性收费
空间调度	强，可走动、换机位、多场景	弱，基本固定机位	不涉及	弱
多语种	100种以上语言配音	十余种	100种以上，本地化是主业	中英为主
导出规格	最高1080P	最高4K	跟随源片规格	最高4K（会员）
交互智能体	支持，可部署线上与线下屏	支持直播互动	不支持	不支持

价格与适用场景对比
工具	入门价格量级	计费方式	最适合	明显短板
有言	免费版可用，个人版约30至80元／月	言币按时长扣减	企业内训、课程、政务宣传	无4K、无透明通道
蝉镜	免费额度，基础版百元级／月	蝉豆订阅	电商口播、短视频矩阵铺量	空间表现弱、语种少
魔珐星云	注册送试用积分	积分按分钟计费	开发者做实时交互应用	面向开发者，不做成片包装
SoundView	免费试用，按量或订阅	时长与条数	已有视频的多语种译制出海	不生成新画面
剪映	免费，SVIP年费数百元	会员加积分	个人轻度口播、快速剪辑	形象固定、批量能力弱