百度一镜自研视频模型：0.2元/秒，数字人8-9种微表情

11月12日，2026百度世界大会现场，百度一镜推出自研视频生成模型，并宣布三大核心能力升级。视频生成成本被压到0.2元/秒；数字人每秒可呈现8-9种微表情；全画幅实时交互的响应时间不到2秒。会上还发布“短漫剧Studio”，从短剧制作到一键转绘一条龙，出海门槛随之降低。

平晓黎是百度集团副总裁、移动生态大商业事业部总经理。她说：“技术的进步正与企业的需求形成共振。百度一镜希望通过极致的性价比，让数字人不再是少数大企业的专属，而是成为千行百业都用得起的‘新质生产力’。”

从“能说”到“能演”：三大能力跃升，重塑数字人生产力底座

平晓黎的判断是，推理底座已经成熟，视觉生成模型也有突破，两者叠加，数字人正变成能自主响应、持续演绎的智能体。她认为，这两项技术汇合后，数字人才真正具备进入工业场景、大规模应用的条件。

百度数字人创新业务部负责人吴晨霞介绍，百度一镜靠自研模型全面进化，重新定义数字人的生产力。“我们通过视频生成模型实现极致降本，让高质低价的视频量产成为现实；同时通过微表情等自研技术，让数字人不仅能干活，还能提供更好的情绪价值。”

百度杰出架构师杨羿从底层技术出发，把这次三大核心能力的提升逐项讲了一遍：

视频生成：混合扩散蒸馏加上稀疏化建模，推理过程被大幅压缩，成本降到0.2元/秒。Fast版做到1:1生成，10秒视频10秒出片，等片子的焦虑可以放下了。

微表情：文心一镜微表情大模型引入质量Agent和200+子维度刻画，面部控制细到AU级。每秒最多能表现8-9种微表情，复杂情绪传得到位，数字人演起来更鲜活。

实时交互：过去只能生成局部动作，现在可以全画幅实时生成并流式输出。自回归架构配合检索式记忆，互动时长不受限且保持稳定，响应时延低于2秒，客户随时提问都接得住。

三大底层能力升级之后，百度一镜还上线了“短漫剧Studio”。吴晨霞说，这套工具靠“剧本Agent+成片Agent”协同，把从灵感、甚至百万字小说IP到专业成片的整个流程打通。再加上“一键转绘”，创作者能以很低成本一站式做出爆款短剧，本土化适配也能轻松完成，短漫剧出海的门槛因此明显下降。

从营销大片到短漫剧出海：全场景商业变现

技术底座之外，百度一镜的各类能力已经进入核心商业场景，帮企业省钱提效。

品牌营销方面，现场播放了与可口可乐合作的案例。品牌方用自然语言提出“围绕伯牙子期创作广告”，百度一镜直接交出一支TVC级别的创意大片，数字人的情绪递进处理得很细腻。过去这类项目预算动辄几十万、上百万，如今这道门槛被拉低了。

电商直播与出海方面，上传3到5张商品图，就能批量产出多语言、多模特的带货视频。加上本土化直播，整套方案让成本下降83%、转化率提升29%。两家国际运动品牌的海外直播间，GMV均提升40%以上，转化率均提升60%以上。中小商家想做起全球生意也不难，平台推出了千元级（

短漫剧赛道正在爆发，大会发布的“短漫剧Studio”瞄准的正是这个行业的产能与出海逻辑。短剧出海原先需要高门槛的重资产投入，现在变成低成本的内容复制，优质IP的全球变现效率随之提高。

实时互动和线下服务也能用上。以汽车销售为例，4S店里的数字人可以多语种接待，还能靠长时记忆记住客户此前聊过的偏好，据此精准推荐试驾，7×24小时在线。价格从千元级下探到百元级，导购、客服、接待这类一对一服务场景，正迎来“服务型/陪伴型数字人”的降本升级。（青山）