我以同一份劇本和同一張人像,實測了10款會說話的虛擬人像影片製作工具。本文整理工具排名、經核實的2026年價格、每分鐘成片成本,以及最新披露規定。
我用同一份90秒的腳本和同一段拍攝自己面部的影片,測試了11款工具。其中一款生成的影片播至第70秒時,我的下顎線已在不知不覺間變了形。
在我找到的所有會說話的虛擬分身影片製作工具評測中,都沒有提及這個問題。這些模型透過預測生成影格,因此在較長的連續鏡頭中,人物樣貌會逐漸偏離原貌,往往重看一遍才會察覺。到了2026 年 8 月 2 日,這個問題的影響更為重大:歐盟《人工智能法》第50條的透明度義務,以及加州SB 942法案,均於當日起適用於合成影片。
因此,我在評分時首重人物身份的一致性,其次才是標價。本文是為需要發佈人物說話影片,卻不想親自拍攝的讀者而寫。
精選推薦
- 整體最佳: HeyGen(Avatar V只需一段15秒的網絡攝影機錄影,即可一次生成90秒的影片,全程保持我的面容一致)
- 最適合需要追蹤學習進度、透過LMS提供的培訓: Colossyan(自助服務計劃提供分支測驗及SCORM匯出功能,並具備SOC 2 Type II認證)
- 企業影片的最佳逼真主持人效果: DeepBrain AI(音素級對嘴,但自訂虛擬人像須簽訂Enterprise合約)
- 最適合每日測試對嘴功能的免費方案: Vidnoz(每日提供約3分鐘附浮水印的720p影片額度,每日重設)
- 最適合需要即時回應的虛擬人像: Tavus(59美元的開發者方案包含100分鐘對話,只需兩分鐘影片素材即可訓練出數碼分身)
我的測試方法:一份90秒腳本、一張面孔、十一款工具
我撰寫了一份90秒的產品更新介紹稿,錄製了一段15秒的面向鏡頭口述影片,並匯出了一張正面頭像照。在2026年7月至8月初的測試期間,我為每款工具提供相同的三項素材,並使用各自入門付費計劃中效果最逼真的生成引擎。
整段影片中的身分一致性(25%)
我以原尺寸觀看每段生成影片的最後20秒,檢查下顎、髮線和耳朵的形態是否與開頭有所偏差。僅看15秒的示範影片,無法察覺這類問題。
對嘴及音素準確度(20%)
我在稿件中刻意設下難關:唇齒音、難發的輔音群,以及一口氣拉長的長元音,然後關閉聲音,以四分之一速度觀看影片。
每分鐘成片成本(15%)
我將各個入門付費計劃的點數、影片分鐘數及每秒收費,統一換算為每分鐘成片的成本。當中最高與最低成本的比率超過十二比一。
數碼分身建立與同意授權(15%)
工具需要多少拍攝素材、數碼分身多久可以投入使用,以及拍攝過程是否有記錄當事人的同意。
支援語言及翻譯對嘴效果(10%)
音訊配音與按新語言重新對嘴,是兩回事。我以西班牙語和日語,逐一測試了所有聲稱具備後者功能的工具。
披露與來源追溯準備程度(10%)
供應商有否說明其匯出內容附帶甚麼標記;自2026年8月起,這已不再只是理論上的問題。
發佈就緒程度(5%)
匯出的影片是否可直接發佈,還是需要使用另一款工具處理。
會說話的虛擬人像影片製作工具排名:優先考慮人物形象一致性,其次為價格
以下按人臉外觀的一致性及每分鐘成品影片的成本,為十一款工具排名。HeyGen位居榜首,而Colossyan和Argil亦各有所長,在下文提及的個別項目中勝過HeyGen。所有價格均已於2026年8月與供應商網頁核對。
1. HeyGen:保留您真實面貌的會說話虛擬人,整體表現最佳

HeyGen一次即可生成90秒的完整鏡頭,無需拼接片段;Avatar V則能在不同角度下保持人物外貌一致,讓下顎輪廓、髮線和耳朵形狀從頭到尾都保持穩定。這些細節往往正是重看時最容易察覺人物外貌變化的地方。
只需錄製15秒的網絡攝影機影片,即可建立數碼分身。這段錄影會同時記錄您的外貌、聲音、動作及授權同意,相比上載照片並聲稱擁有其使用權,能提供更清晰的審核紀錄。之後,您便可透過Custom Motion,以淺白英語指示分身的演繹方式。
該供應商自行進行的基準測試聲稱,相較於Kling O3 Pro、Veo 3.1、OmniHuman 1.5及Seedance 2.0,其產品在人物身份一致性、對嘴及動作自然度方面均勝出,但這畢竟是供應商對自家產品的評分。獨立評價則可參考G2:在1,940則評價中獲得4.8/5分,虛擬人像質素的細項評分為9.2/10分;Miro亦表示,將本地化工作轉移至該平台後,影片製作速度提升至原來的10倍。
優點:
- Avatar V在長時間單次渲染中,能在不同角度下保持人物形象一致
- 建立人工智能分身只需透過網絡攝影機錄製一段15秒影片,在同一次錄影中記錄語音、動作及本人授權同意。
- 600 個 Creator 點數可用於生成 30 分鐘的 Avatar IV 或 Avatar V 影片,未用完的點數可結轉至下個月
- 支援175種語言及方言,對嘴翻譯每分鐘需5點數,語音配音則每分鐘需2點數
缺點:
- Avatar IV 和 V 與翻譯及 Video Agent 共用同一個點數額度,因此某週若有大量本地化工作,就會消耗可用於虛擬人像的影片分鐘數
- 如需超出方案配額的額外數碼分身名額,須另行付費加購
價格
Avatar IV及V每分鐘需使用20點數,Avatar III則只需3點數。Creator計劃月費為29美元,按年付款則每月24美元,包含600點數,可生成30分鐘的Avatar V影片,每分鐘約0.97美元。Pro計劃月費49美元起,支援4K;Business計劃月費為149美元,另每個席位收取20美元。
最適合: 主要製作由可辨識的真人面孔出鏡、以多種語言說話且片長超過60秒的影片的人士。
2. Colossyan:無需簽訂企業合約,即可透過學習管理系統提供培訓並追蹤成效的最佳選擇

在這次評測的工具中,只有Colossyan讓我製作出影片以外的內容。我將90秒的腳本放進一個包含三個場景的模組,在第二與第三個場景之間加入選擇題測驗,並透過自助服務計劃匯出SCORM套件。若要在DeepBrain AI完成同樣的操作,則必須簽訂Enterprise合約。
渲染速度是十一款工具中最慢的,製作互動內容時更為明顯,因為每次修改都需要重新渲染。擬真引擎 NEO2 的用量限制相當嚴格:59 美元的 Professional 計劃每月提供 30 分鐘 NEO 及 10 分鐘 NEO2 額度;額外 NEO2 額度則以每年 1,500 美元、每套 600 分鐘的形式出售。Colossyan 明確表示,不會使用客戶內容訓練模型,已取得 SOC 2 Type II 認證,並提供歐盟或美國的數據駐留選項。
優點:
- 編輯器內置分支情境及評分測驗,無需使用第三方製作工具
- 只需自行訂閱59美元的Professional計劃,即可匯出SCORM,無需簽訂Enterprise合約
- 提供逾300款預設虛擬人像及700多種語音,支援逾120種語言,畫面上的文字亦可同步本地化
- 年度計劃會一次過提供全年影片分鐘數,而非按月發放
缺點:
- Professional計劃的NEO2逼真效果引擎每月使用上限為10分鐘,每年額外600分鐘的費用為1,500美元。
- 在本次測試中,影片生成速度最慢,而且未使用的分鐘數會在每個收費週期結束時失效
價格
Starter計劃可免費使用,包括20分鐘NEO用量、15個自訂虛擬人像及10段互動影片,但不支援移除浮水印或SCORM。Professional計劃採按年收費,價格為59美元;每增加一位編輯者另收30美元,最多可增至三位。此計劃包括30分鐘NEO及10分鐘NEO2用量、移除浮水印,以及每月5次SCORM匯出。Enterprise計劃另提供無限分鐘用量、4K及單一登入(SSO)。透過錄影廠實拍製作的虛擬人像每年收費1,000美元。
最適合: 希望透過學習管理系統(LMS)提供可評分及追蹤進度的培訓,而無需簽訂企業合約的學習與發展團隊。
3. DeepBrain AI:製作投影片主導的企業影片,呈現最逼真的主持人效果

我用 AI Studios 生成了一段 90 秒的講稿影片,對嘴表現僅次於 Avatar V。我特意加入了難以處理的強子音來測試,四款較便宜的工具都處理得含糊不清,AI Studios 卻能準確呈現。DeepBrain AI 一直以音素層面的配對為研究核心,成果在這裏清楚可見。演繹風格偏向正式的企業匯報,用於季度業務更新相當合適,但用於社交媒體內容則顯得格格不入。
接下來,價格便成為一大考量。Starter按年繳費每月約30美元,包含10分鐘影片,即每分鐘成片成本為3美元,並列本文最昂貴的一般方案。更大的限制在於自訂虛擬人像:您需要簽訂Enterprise合約,在受控環境下錄製本人說話10至15分鐘,並預留兩至四星期製作時間。相比只需透過網絡攝影機錄製15秒片段,這所需投入的時間與資源完全是另一回事,因此,對於希望快速測試不同主持人形象的用戶,DeepBrain AI並不合適。
優點:
- 在我刻意設計、包含難發子音的對嘴測試中,表現勝過這裏除Avatar V以外的所有工具。
- Free計劃每月可製作3段影片,每段最長3分鐘,時長上限較大多數免費方案更高
- 匯入PowerPoint並按場景編輯,只需兩個步驟,即可將簡報轉換成配有旁白的影片
- 提供逾100款現成虛擬人像,支援逾80種語言,均已獲授權而非生成,有助縮短權利審查所需時間
缺點:
- 自訂虛擬人像須簽訂Enterprise合約,並提供10至15分鐘在受控環境下拍攝的影片,製作需時兩至四星期
- Starter每分鐘成片收費為3美元,與此處最昂貴的方案並列,而且編輯器功能較基本,團隊往往需要使用外部軟件完成後期製作。
價格
Free計劃每月可製作3段影片,每段最長3分鐘。Starter計劃提供10分鐘影片額度,按年繳費每月約30美元,按月繳費則為每月36美元。Pro計劃按年繳費每月約60美元,提供25分鐘影片額度;只有Enterprise計劃支援自訂虛擬人像。以上資料截至2026年8月;第三方對較高階計劃的報道不一,請在結帳時確認。
最適合: 希望以逼真虛擬主持人製作投影片主導的影片,而不複製任何特定員工形象的企業傳訊團隊。
4. Argil:每日發佈您的數碼分身影片,無需開啟編輯器的最佳選擇

Argil交出了其餘十款工具都未能提供的成果:一段完整的影片。字幕已嵌入畫面,輔助鏡頭已按我的文稿剪輯,轉場效果也一應俱全。其他工具都只給我一段人物對鏡說話的影片,剪輯工作仍要由我自行完成。
代價是用途受限,而且範圍相當狹窄。Argil專為9:16短片而設,從它對用量的描述也可見一斑:Classic級別每月提供25分鐘,約可製作50條30秒短片。若用它製作12分鐘的入職培訓單元,就是選錯了產品。建立分身只需約兩分鐘的影片素材作訓練,但輸出質素與輸入素材的質素息息相關;訓練影片光線不足,生成的分身同樣會顯得昏暗。
優點:
- 匯出的影片已嵌入字幕、剪輯好輔助畫面並加入轉場效果,可直接發佈
- 每月設固定產量上限,無需按點數計費,費用與可製作數量清晰對應,方便規劃。
- $39 的 Classic 級別起即包含商業使用權及 API 存取權
- 語音複製功能,讓您以同一複製語音生成西班牙語、法語及德語翻譯,並同步對嘴
缺點:
- 專為9:16短片而設,因此較長的培訓及網絡研討會內容會超出輸出時長上限
- 僅提供5天試用,沒有永久免費計劃,因此您無法零成本測試自己的複製分身
收費
提供5天試用,其後可選擇三個級別的方案。Classic每月收費39美元,按年繳付則每月27美元,包含一個複製分身及25分鐘用量,平均每分鐘約1.56美元。Pro收費149美元,包含100分鐘用量;Scale則為499美元。超出用量時可另購點數,無須升級至更高級別的方案。
最適合: 每週大部分日子都會在TikTok、Reels或Shorts發佈內容的個人創作者及創辦人。
5. Captions:適合需要完整畫面呈現虛擬人像,而非只有裁切頭像的情境

HeyGen、DeepBrain AI和D-ID都只讓臉部動起來,畫面的其餘部分則保持靜止。Captions則會生成整個畫面,而我生成的影片中,肩膀和雙手的表現就顯出了差別;這些正是只處理臉部的工具容易露出破綻的地方。其Mirage模型會一併生成臉部、身體、手勢和背景,效果更接近實拍,而非受操控的木偶。
我無法告訴您每分鐘的費用是多少,這正是問題所在。Captions只列出各級方案提供的點數,卻沒有說明每個點數可用於生成多少內容,也沒有公布年繳價格,因此在開始生成前,根本無法估算每月預算。免費方案看似慷慨,卻未用在關鍵之處:基本剪輯、提詞器及支援逾100種語言的字幕功能一應俱全,但包括虛擬人物在內的所有生成功能,都必須訂閱付費方案才能使用。
優點:
- Mirage模型可生成包含身體和背景的完整畫面,而非經裁剪的靜態圖片
- AI Edit以單一指定風格,為原始片段進行剪接、縮放,並加入輔助鏡頭、音樂及字幕
- 免費方案支援匯出逾100種語言的字幕,而且不帶浮水印,這在免費方案中相當少見。
- 付費入門方案每月由9.99美元起,是這十一款工具中公開定價最低的付費方案
缺點:
- 由於未有公布點數與影片分鐘數的換算比率,您無法在訂閱前計算每分鐘成片的成本。
- 所有生成功能(包括虛擬人像)均須訂閱付費計劃才能使用,因此無法透過免費方案評估虛擬人像的質素。
價格
Free計劃提供剪輯及字幕功能,但不包括生成式人工智能。付費計劃每月由$9.99起,提供200點數;$24.99則提供500點數。Scale級別的價格介乎$69.99至$279.99,以上價格已於2026年7月核實。另設年繳價格,但尚未公開,請於結賬時查閱。
最適合:以流動裝置為主要創作工具、偶爾拍攝自己,並希望透過單一工具完成剪輯和生成虛擬主持人的創作者。
6. Creatify:最適合將產品網址轉化為多款虛擬人像廣告

Creatify的切入點與這裏介紹的其他工具不同。我貼上產品網址後,它便生成了已配好虛擬人像的廣告腳本。如果您本週的工作是為同一個到達網頁測試20種吸引觀眾的開場方式,這項功能確實很有優勢。
輸出質素一直為人詬病,而我的實測結果也不例外。外觀質素相若的虛擬人,對嘴效果卻參差不齊,說話語調也顯得平淡,看過幾段影片後便會察覺。這類影片本來就是要呈現不經修飾、像真人般自然的感覺,因此這是根本問題,而非表面瑕疵。點數的計算方式也不夠靈活:Starter計劃每月提供100點,若以較高質素輸出,大約只夠製作5則完整廣告,每則成本約為7.80美元。
優點:
- 只需輸入產品網址,即可生成多個附有腳本的虛擬人像廣告版本,無需另行撰寫腳本
- 提供約1,500個虛擬人像,在本排行榜中擁有最多用戶原創內容風格的虛擬人像選擇
- 批次模式只需一個產品頁面,即可一次過生成多種腳本與虛擬人像組合
- Free計劃提供約10個點數,足夠製作兩段附有浮水印的影片,讓您在付款前先測試輸出品質。
缺點:
- 同類虛擬人像的對嘴效果不一,語調亦明顯平淡。
- 自訂虛擬人像須訂閱99美元的Pro計劃,Starter計劃不設加購選項,而API存取權僅限Enterprise計劃。
價格
Free 計劃提供約 10 點數,大約可製作兩段帶浮水印的影片。Starter 計劃每月收費 39 美元,提供 100 點數;Pro 計劃每月收費 99 美元,提供 300 點數及 3 個自訂虛擬人像;只有 Enterprise 計劃提供 API 存取權限。每批點數的有效期為兩個月,不能無限期累積。
最適合: 針對電子商務產品頁面進行大量廣告素材測試的成效營銷人員。
7. D-ID:入門付費方案最相宜,提供相片轉說話人像API

D-ID的渲染速度在測試中遙遙領先,不到一分鐘便能生成短片。不過,它也說明了為何我將人物身份一致性佔總評分的比重定為25%:首40秒的對嘴保持同步,之後開始出現偏差,到了90秒片段的結尾,嘴部動作已落後於聲音。
短片不會出現這個問題,而其定價正是為短片而設。Lite按年繳費,每月只需4.70美元,即可使用10分鐘,是本次比較中入門收費最低的方案,價格僅為其他方案的三分之一。不過,請先細閱浮水印及授權條款:14天試用期內的影片會附有全畫面浮水印,而且完全禁止商業用途;Lite仍會保留D-ID浮水印;Pro才開始提供商業授權,但G2的方案列表仍顯示此方案附有人工智能浮水印。
優點:
- 在本次測試中算圖速度最快,遠少於一分鐘即可生成短片
- 同類產品中入門付費方案最實惠,按年繳費每月只需$4.70美元,即可享有10分鐘用量
- 由試用方案起即可使用API,比大多數同類服務更便捷地嵌入講話人像
- 在G2獲評4.6/5分,評論者特別讚賞面向客戶的內容中的對嘴效果
缺點:
- 我生成的90秒影片在約40秒時開始出現對嘴不同步的情況,之後一直未能恢復正常。
- 試用版不允許商業用途,而所有低於 Advanced 的方案均會保留浮水印
價格
14天試用提供3分鐘附有浮水印的影片,僅限個人使用。Lite計劃按年繳費,每月4.70美元,每年56美元,提供10分鐘影片及標準虛擬人像。Pro計劃按年繳費,每月約16美元,每年191美元,提供15分鐘影片及商業使用授權。Advanced計劃約108美元,提供100分鐘影片。未用完的分鐘數不會累積至下一期。
最適合: 需要以最低月費透過API製作會說話照片的開發人員及用量較低的用戶。
8. Tavus:最適合需要虛擬人像互動回應的場景

我用約兩分鐘的片段訓練了一個 Tavus 數碼分身,上載了一份 PDF 作為背景資料,然後直接開口,就文件內容向它提問。它能回答問題,適時接話,無需等到長時間靜默才回應,而且能緊扣對話脈絡。這次測試的其他工具都做不到這一點,而前述以 90 秒影片作渲染比較的方式,也完全不適用於它。
因此,Tavus適合用於客戶支援、自助服務機、面試練習及示範聊天機械人,但不適合需要按稿演示的虛擬主持人的用戶。費用按對話分鐘數計算:開發者方案每月由59美元起,包含100分鐘,超出用量每分鐘收費0.37美元。每次對話最低收費為30秒,時長按最接近的6秒倍數計算。至於更高級別的方案,第三方資料的說法差異甚大,報價由每月22美元至數百美元不等,因此建議先索取書面報價。
優點:
- 透過WebRTC進行即時雙向對話,並能在我中途插話時靈活調整發言次序
- 以約兩分鐘的影片素材訓練而成的數碼分身,並配備相應的自訂語音模型
- 對話可根據已上載的CSV、PDF、PPTX及圖片內容進行
- Raven-1感知功能讓虛擬化身不僅能回應所聽到的內容,也能根據所見作出回應。
缺點:
- 按分鐘計費、超額用量每分鐘收費0.37美元,加上每次對話最少計費30秒,令每月開支難以預算
- 以API為核心的架構意味著,即使設有免編碼操作層,缺乏工程技術支援的團隊仍會難以應用。
價格
您可先使用免費開發者方案,再選擇每月59美元起的付費方案,內含100分鐘對話式影片,按方案價格計算,每分鐘約0.59美元,超額用量則每分鐘收費0.37美元。每次對話最低按30秒計費,時長四捨五入至最接近的6秒倍數。如需更高級別方案的報價,請直接向供應商查詢,切勿依賴第三方價目表。
最適合: 將對話式影片代理程式整合至客戶支援、銷售或培訓軟件的產品團隊。
9. Vidnoz:每日測試對嘴功能的最佳免費方案

Vidnoz憑着一項看似細微、實際上卻很重要的安排而入選。它的免費額度每日更新,而非每月重設,因此我把它當作測試工具,先看看調整措辭能否解決對嘴問題,再到其他平台動用付費點數。每天約3分鐘、附有水印的720p影片額度,適合用來試驗,而非正式製作。
付費方案的定價合理,品質則屬中等。Starter 方案按年繳費,每月 US$19.99,提供 450 點數,可製作約 15 分鐘的 1080p 無水印影片,每段影片最長 5 分鐘,換算下來每分鐘成片約 US$1.33。與 HeyGen 和 DeepBrain AI 並排播放比較時,其面部動態顯得較不自然,尤其在句子之間的停頓時更為明顯。語音複製功能亦僅限 Business 方案提供,按年繳費時價格約為 US$56.99,接近其他平台入門方案同類功能收費的兩倍。
優點:
- 免費配額每日重設,而非每月重設,適合作為測試環境使用
- 提供逾1,900款虛擬人像及2,000種聲音,素材庫規模為本排行榜之冠
- 雙虛擬人對話模式可生成兩位主持人的對話場景,適用於培訓情境
- 只需一個訂閱,即可使用相片說話、換臉及翻譯成超過40種語言的功能
缺點:
- 語音複製功能僅限約56.99美元的Business計劃使用,但大多數競爭對手在低於30美元的計劃中已包含此功能
- 並排播放比較時,可見其句子之間的面部動作明顯不及DeepBrain AI自然
收費
Free 計劃每日提供約 3 分鐘附有浮水印的 720p 影片。Starter 計劃月費為 $26.99,按年繳付則每月 $19.99,提供 450 點數及約 15 分鐘的 1080p 影片,每段影片上限為 5 分鐘。Business 計劃月費為 $74.99,按年繳付則每月約 $56.99,提供 900 點數及語音複製功能。
最適合: 希望在選用付費平台前,每天免費測試虛擬人像及對嘴效果的人士。
10. Akool:僅適合需要以單一帳戶使用換臉、翻譯及串流虛擬人像功能的用戶

我以文字描述而非個人頭像照片,在Akool生成了一個會說話的虛擬人像,這是另外十款工具都未有提供的功能,但效果只能說是夠用,未算出色。它能躋身這份名單,主要是因為功能全面:只需一個帳戶,即可使用會說話的虛擬人像、相片及影片換臉、翻譯,以及串流虛擬人像功能。各項功能的點數收費亦有清楚列明:每10秒的1080p會說話虛擬人像需5點,4K需10點,串流則需1.2點。
不過,這些點數的實際價格並未公開。Akool 的定價頁面沒有顯示固定的計劃價格,因此只能根據第三方整理的資料推算各級收費:截至 2026 年 6 月,Pro 每月約為 15 至 30 美元、Pro Max 為 59 美元,Business 則為 249 美元,但我不會將這些價格視為已核實的資料。點數亦會每月到期,而 Business 採用動態超額計費,超出配額後會自動收費,而非停止服務。
優點:
- 只需一項訂閱,即可使用會說話的虛擬人像、換臉、翻譯及串流功能
- 只需文字描述即可生成虛擬人像,無需提供相片或影片素材
- 串流虛擬人像以1080p解像度生成,每10秒需1.2點數,約為說話虛擬人像所需點數的四分之一
- 提供4K說話虛擬人像級別,每10秒收取10點數,市面上鮮有競爭對手提供同類選項
缺點:
- 公開定價頁面未列出各方案的固定價格,因此無法在註冊前比較費用
- 點數每月到期,而 Business 計劃會透過動態透支機制自動收取超額用量費用,而不會暫停服務
價格
Akool並未公開列出各計劃的固定價格,而且每個用戶席位均須支付全額費用。根據2026年6月的獨立估算,Pro每月約為15至30美元,Pro Max為59美元,Business則為249美元。目前只有各項功能所需的點數有明確標準。
最適合: 除了製作人物口播影片,亦需要換臉及串流虛擬分身功能,並希望由單一供應商提供所有服務的團隊。
各大說話虛擬人像影片製作工具在價格、輸出及語言支援方面有何分別?
HeyGen支援175種語言,語言覆蓋範圍最廣,而高級虛擬人像影片每分鐘費用低至0.97美元,成本最低。
D-ID的入門付費方案最便宜,每月僅需4.70美元;DeepBrain AI的每分鐘費用則最高,達3美元。
數據以入門級付費方案為準,已於2026年8月核實。「未公開」表示供應商未有披露該項數據。
由於網誌內文不支援原生表格,以下以清單形式列出完整比較。每款工具的比較項目:免費計劃/入門付費計劃/計價單位/入門付費計劃的影片生成額度/每分鐘成片成本/入門計劃是否支援以自有影片建立虛擬人像/入門計劃是否允許商業用途/支援語言。
- HeyGen — Free計劃:提供,可製作3段影片,附有浮水印。入門付費計劃:每月$29(點數制)。可生成內容:600點,可製作30分鐘Avatar IV/V影片。每分鐘成片成本:$0.97。入門計劃是否支援以自有片段建立虛擬人像:是,包含1個數碼分身。入門計劃是否可作商業用途:是。支援語言:175種。
- DeepBrain AI — Free 計劃:有,可製作 3 段影片,附有浮水印。入門付費計劃:每年 $30(按影片分鐘數計算)。可生成:10 分鐘。每分鐘成片成本:$3.00。入門級別可否以自有素材建立虛擬人像:不可以,僅限 Enterprise 計劃。入門級別可否作商業用途:未有公佈。支援語言:超過 80 種。
- Colossyan — Free計劃:有,20分鐘,附有浮水印。入門付費計劃:年繳$59(按影片分鐘數計算)。可生成影片長度:30分鐘NEO加10分鐘NEO2。每分鐘成片成本:$1.48。入門級別可否以自備片段建立虛擬人像:可以,提供15個自訂虛擬人像。入門級別可否作商業用途:可以。支援語言:超過120種。
- Argil — Free計劃:不提供,設有5天試用。入門付費計劃:每月$39(固定生成時長上限)。可生成時長:25分鐘。每分鐘成片成本:$1.56。入門級別可否以自有片段建立虛擬人像:可以,包含1個複製人像。入門級別可否作商業用途:可以。支援語言:未公佈。
- Captions — Free計劃:有,不含生成式人工智能。入門付費計劃:每月$9.99(點數制)。生成額度:200點。每分鐘成片成本:未有公佈。入門計劃可否使用自備片段建立虛擬人像:可以,支援AI Twin。入門計劃可否作商業用途:可以。語言:配音支援超過28種語言。
- Creatify — 免費計劃:有,約可製作2條影片,附有浮水印。入門付費計劃:每月39美元(點數制)。可用額度:100點,約可製作5條影片。每分鐘成品成本:未有公佈。入門方案是否支援以自有片段建立虛擬人像:不支援,僅限99美元的Pro計劃。入門方案是否允許商業用途:允許。支援語言:未有公佈。
- D-ID — Free計劃:不提供,設14天試用。入門付費計劃:每年$4.70(按影片分鐘數計算)。可生成影片:10分鐘。每分鐘成片成本:$0.47。入門級別可否以自備片段建立虛擬人像:不可以,僅限$16的Pro計劃。入門級別可否作商業用途:不可以,僅限$16的Pro計劃。支援語言:未有公佈。
- Tavus — 免費計劃:有,開發者級別。入門付費計劃:每月 $59(按對話分鐘數計算)。可用額度:100 分鐘對話。每分鐘成品成本:每分鐘對話 $0.59。入門級別可否以自有影片建立虛擬人像:可以,支援建立數碼分身。入門級別可否作商業用途:可以。支援語言:超過 30 種。
- Vidnoz — Free計劃:有,每日約3分鐘。入門付費方案:年繳$19.99(點數制)。產出:450點數,約15分鐘。每分鐘成品成本:$1.33。入門方案可否以自備影片建立虛擬人像:不可以,僅限$56.99的Business計劃。入門方案可否作商業用途:可以。支援語言:超過140種。
- Akool — Free計劃:有,附浮水印,720p。入門付費方案:未公佈(按點數計費)。生成用量:1080p影片每10秒需5點數。每分鐘成片成本:未公佈。入門方案可否以自備素材製作虛擬人像:可以,使用相片或文字提示。入門方案可否作商業用途:可以。支援語言:未公佈。
各個計劃製作一分鐘虛擬人像影片的成本是多少?
在入門級付費方案中,使用各方案所提供的最佳引擎製作一分鐘成品,費用由D-ID Lite的0.47美元至Colossyan NEO2的5.90美元不等。方案標價看似相若,實際成本卻相差達12倍。
單看標價幾乎無法判斷實際成本;計費單位才是關鍵。以下是計算方式:
- D-ID Lite — $4.70,按年繳費。包含10分鐘影片,附有浮水印。計算方式:4.70 ÷ 10。每分鐘成片成本:$0.47。
- HeyGen Creator — $29,按月付款。600點數,Avatar IV/V每分鐘使用20點數。計算方式:29 ÷ (600 ÷ 20)。每分鐘成片費用:$0.97。
- Vidnoz Starter — $19.99,按年繳費。450點數,約可製作15分鐘影片。計算方式:19.99 ÷ 15。每分鐘成品影片成本:$1.33。
- Colossyan Professional — $59,按年繳費。包括30分鐘NEO及10分鐘NEO2。計算方式:59 ÷ 40。每分鐘成品影片成本:$1.48。
- Argil Classic — $39,按月付款。固定配額為25分鐘。計算方式:39 ÷ 25。每分鐘成片成本:$1.56。
- HeyGen API — 每秒$0.05,按用量付費。Avatar IV及V。計算方式:0.05 × 60。每分鐘成片費用:$3.00。
- DeepBrain AI Starter — $30,按年繳費。包含10分鐘影片。計算方式:30 ÷ 10。每分鐘成片費用:$3.00。
- 僅限Colossyan NEO2 — $59,按年付款。包含10分鐘NEO2影片。計算方式:59 ÷ 10。每分鐘成片成本:$5.90。
作出購買決定時,有三個趨勢值得考慮。
按影片分鐘數收費的工具看似便宜,實際上用量限制嚴格。 DeepBrain AI Starter及D-ID Lite均提供10分鐘用量,但都不允許將未用完的分鐘數結轉至下個月;若某個月沒有製作出實用的影片,便等於白花金錢。D-ID的0.47美元價格所涵蓋的影片亦附有水印,且不包含商業授權,因此應將其視為市場最低入門價,而非超值之選。
按點數收費的工具讓您在影片質素與產量之間靈活取捨。 HeyGen 的 Creator 計劃提供 600 點數,可生成 30 分鐘的 Avatar V 影片,或 200 分鐘的 Avatar III 影片。
自訂虛擬人像的費用則另計。 在 Colossyan,於攝影棚拍攝製作的虛擬人像每年收費為 1,000 美元;在 DeepBrain AI,則須簽訂 Enterprise 合約。相比之下,Argil 和 Tavus 的基本訂閱均已包含以兩分鐘影片素材訓練複製人像的服務。
現在發布人工智能虛擬人像影片,必須加上標示嗎?兩項法例已於2026 年 8 月 2 日生效
如果您向歐盟地區發佈虛擬人像影片,答案是需要。歐盟《人工智能法案》第50條的透明度義務已於2026 年 8 月 2 日生效,規定使用人工智能系統生成深度偽造圖像、音訊或影片內容的部署者,必須披露內容由人工智能生成。加州《人工智能透明度法案》亦於同日生效,但在這個關鍵字的搜尋結果中,排名靠前的文章均未提及這兩項法規。
供應商與您須分別承擔以下責任: 供應商必須為合成內容加上機器可讀的標記,以便識別。部署者,即發佈影片的人,則必須披露內容經過深度偽造。歐盟委員會的指引明確指出,發佈平台自動加上的標籤並不能免除發佈者的責任,因此,啟用YouTube的「經修改的內容」選項,並不能取代您自行作出的聲明。
第50條對深度偽造的定義相當廣泛: 第3(60)條涵蓋由人工智能生成或操控的圖像、音訊或影片內容,只要這些內容與現實中的人物、物件、地點或事件相似,令人誤以為是真實內容,便屬於此定義。即使是以您自己的面孔製作、照稿朗讀的數碼分身,也屬於此定義的範圍;而明顯屬於幻想內容的豁免,並不適用於外觀逼真的虛擬主持人。
違規風險不容小覷: 違規可被處以最高1,500萬歐元或全球年度營業額3%的罰款。歐盟委員會於2026 年 7 月 20 日通過《第50條最終指引》,並確認《人工智能生成內容透明度實務守則》可作為合規途徑。
標記義務設有寬限期,但披露義務並沒有: 對於在2026 年 8 月 2 日之前投放市場的系統,第50(2)條規定的標記義務設有至2026 年 12 月的寬限期,但您的披露義務現已生效。只要生成內容在歐盟境內使用,即使部署者位於歐盟以外,亦受此規定約束,因此,在歐盟開展宣傳活動的美國團隊也在適用範圍內。
加州刻意選擇同日實施: 經 AB 853 修訂的 SB 942 於2026 年 8 月 2 日生效,與歐盟同步。該法規適用於在加州每月用戶超過100萬的生成式人工智能系統,要求提供免費偵測工具、明示披露選項,以及嵌入式隱性來源資料。
實際上,與這裏的任何供應商接洽時,應先問一個問題:您匯出的內容帶有哪些標記,能否展示給我看?
市場目前普遍採用雙層標記:C2PA 內容憑證清單,加上肉眼無法察覺的浮水印。這是因為螢幕截圖會移除中繼資料,但像素層級的浮水印仍可保留。Colossyan 在頁尾展示 Content Authenticity Initiative 標章;至於其他供應商,請逐一以書面查詢。
我並非律師,以上內容亦不構成任何法律意見。如果您向歐盟或加州大量發佈虛擬人像影片,請先由法律顧問審閱您的措辭。
常見問題
我可以將會說話的虛擬人像影片用於商業用途嗎?
只有選用合適的方案才可作商業用途,而且各供應商的規定各有不同。D-ID 的 14 天試用不包括商業用途;按年繳費時每月約 16 美元的 Pro 計劃,才是包含商業使用授權的最低級別方案。Argil 則由 39 美元起的 Classic 計劃開始,同時提供使用權及商業授權;使用 Akool 時,您須擁有原始圖片的使用權。
我是否必須披露影片使用了人工智能虛擬人像?
如果您向歐盟境內發佈影片,就必須披露。歐盟《人工智能法》第50條已於2026 年 8 月 2 日生效,規定生成深度偽造影片的部署者必須披露內容由人工智能生成。以逼真數碼分身朗讀稿件,屬於第3(60)條所界定的範圍。這項責任由您作為發佈者承擔,平台標籤並不能免除您的披露責任。
我可以為使用人工智能虛擬人像製作的影片取得版權嗎?
答案是部分可以,而當中的界線至關重要。美國版權局在2025年1月發表的報告中指出,單靠提示詞並不足以讓使用者對生成內容擁有足夠的控制權,從而被視為其作者。若人類創作者提供了可受版權保護的素材,例如劇本或錄製的表演,而且這些素材能在最終成果中被辨識出來,相關部分便可能受到版權保護,具體須按個別情況判斷。
哪款免費說話虛擬人像製作工具最好?
若追求製作數量,可選擇 Vidnoz,因為其每日約 3 分鐘的額度會每天重設,而非每月重設,影片解像度為 720p,並附有浮水印。Colossyan 的免費 Starter 計劃每月提供 20 分鐘 NEO 額度,是單一額度最慷慨的選擇,但無法移除浮水印或匯出 SCORM。HeyGen 提供 3 段免費影片,並可使用 Avatar IV,讓您最快體驗頂級製作質素。
為甚麼我的虛擬人像在長影片中的樣貌會改變?
由於這些模型是預測畫面,而非重播錄影片段,細微誤差會隨時間累積,令人物外貌逐漸偏離原貌。下顎寬度、髮線和耳朵形狀最先出現變化。測試時,請使用長達90秒的腳本,而非15秒的示範片段,然後以原始尺寸觀看最後20秒。HeyGen可一次生成長達30分鐘的影片,有助減少這類偏差。
建立數碼分身需要多長的影片素材?
使用HeyGen只需15秒,其網絡攝影機引導流程可一次過擷取您的外貌、聲音和動作,並記錄您的授權同意。Argil和Tavus各需約兩分鐘的影片素材進行訓練,而DeepBrain AI則需要10至15分鐘在受控環境下拍攝的素材。Colossyan的所有計劃均包含即時自訂虛擬人像,另提供在錄影廠拍攝製作的虛擬人像,每年收費1,000美元。
會說話的虛擬人像,效果足以取代真人拍攝嗎?
對於結構清晰的內容,答案是肯定的。無論是培訓單元、產品更新、內部通訊,還是現有腳本的本地化版本,這些工具都能取代攝影機拍攝,而翻譯後的對嘴功能更可免去重新拍攝的需要。不過,若內容講求情感演繹、即興反應或電影級的走位調度,兩者之間的差距仍然明顯。
總結:我會付費選用哪款會說話的虛擬人像工具
我會選擇HeyGen,原因只有一個:它是唯一能在一次過渲染的90秒影片中,始終保持我的面容一致的工具,而這正是最核心的要求。至於企業用途,Colossyan則憑藉SCORM支援及採購流程方面的優勢勝出。
HeyGen 的 Free 計劃讓您製作 3 段影片,並可使用 Avatar IV,足以讓您親自進行上述 90 秒測試。







