社区

一件商品的出海成本，从来不在商品本身。

一个中国卖家要把货卖到东南亚，先得解决一件跟产品无关的事：找会说当地话的人拍视频。

每多铺一个国家，就多一种语言、一套脚本、一拨演员。

但是会说当地语言的模特不好找，找到了也不便宜。拍摄、场地、剪辑，一样都省不掉。

直到全场景数字人平台“百度一镜”的出现，让电商出海有了一条更便宜，也更快的路。

11月12日的2026百度世界大会上，百度一镜发布视频生成自研模型及在各种场景的落地实践。

会上重磅发布了三大升级，分别对应视频生成、微表情、实时互动三大核心能力。

更重要的是，官方公布的视频生成价格低至0.2元/秒，说是“人人都用得起”也不算夸张。

对于商家而言，借助百度一镜的数字人，电商出海不再受限于语言与人力，换语种不用重拍，只需要换音轨，重新驱动口型。

内容的生产成本大幅下降，出海的成本结构也迎来了翻天覆地的变化。

做一条带货视频，只要3张商品图

一个壁挂开瓶器，3到5张商品图进去，出来的是一条30秒的英文带货视频。

镜头里，一个欧美女性形象的数字人拿着实物在介绍，一步步演示如何贴在冰箱上、单手就能打开瓶盖、下面的小筐还会接住掉下的瓶盖……

开瓶器带货视频

最难的地方在于细节，商品外观全程一致，动作逻辑符合物理常识，不会出现手穿模或者东西凭空消失的尴尬。

换作以前，商家做一条带货视频，还要定脚本、约模特、找场地、布光、拍摄、剪辑、调色。花的钱多不说，从立项到交付的时间更要按周算。

如果这个开瓶器要卖到五个国家，上面这套流程得原样再来五遍。

而百度一镜数字人，直接缩短了整条链路。

只要3到5张商品图就能开始，且生成速度以秒为单位：视频生成模型RTF<1，生成速度快于播放速度；fast版视频时长与生成耗时1:1，10秒的视频10秒就能做好。

据《电商头条》了解，这套模型主打性价比，效果对标市面上中等偏上水平，而成本明显低于行业主流。主要是因为内部用了模型路由，不同场景调度不同的模型，把成本压到了合适的节点上。

同时，一条片子的定价单位从“条”变成了“秒”。成本结构变了，价钱也跟着大幅降低，标准版视频生成价格低至0.2元/秒。

按这个价格算，一条1分钟的视频是12元，10分钟也只要120元。

对于商家而言，节省的不只是拍摄本身的成本，更是人力、场地和时间等隐性投入。

电商出海的本地化难题

被百度一镜拆成了两件事

海外直播间里，数字人主播讲着马来语，面孔是东南亚人的样子，拉开双肩包拉链展示内部空间，手还能伸进夹层里演示。

越南的运动鞋直播间里，数字人主播全方位展示着手上的运动鞋，一边介绍版型和面料，一边指向介绍的位置，就连数字人脚上穿的都是同款运动鞋，而且促销话术适应当地市场，更直接，节奏更快。

这些直播间里，数字人的长相、口音都是当地的。

据了解，目前百度一镜已经和不少海内外电商平台官方达成合作，甚至有平台的销售会直接向商家推荐，甚至每个月都有推荐KPI。

当一个平台愿意给一个第三方工具定推荐KPI，本身就代表了官方的态度。

以前电商出海，本土化成本是线性的，而且成本跟着市场数量翻倍。

每个市场招一个本地主播，面孔要对，语言要对，还得讲得清产品。培训、写本地化脚本、排班，一样不能少。

真人一天播四小时就是上限，剩下的时段要么空着，要么放录播。

做五个市场，就需要五支团队、五套排班、五份工资。

而借助百度一镜，电商出海的本土化有两条路可以走。

一条是从零生成。数字人形象可以克隆真人，也可以直接生成，针对不同市场做不同面孔。

语言直接换一套音轨、重新驱动口型，画面不用重来。

同时，百度一镜的微表情模型，每秒最多能实现8到9种微表情，做到了AU级面部控制，换脸之后表情依然跟着话走。

所谓的AU，指的是面部动作单元，挑眉是一个AU，眯眼是另一个AU。拆到这个粒度，数字人的表情才真正做到了音画同步、神态自然。

另一条是拿现成素材转绘。

一条国内已经过验证的爆款视频，用一键转绘直接换成英语版本，剧情、镜头、表演都不动，只把不符合当地的部分换掉。

比如原本画面里一个中国女生拿着茶壶，转绘到英国市场时，茶壶就会换成英国宫廷的那种玻璃壶。

换而言之，转绘的衔接、视频质感、语言适配等都会跟着调整，把文化符号也一起换了，而不是简单换个配音。

这条路对已经有素材的商家更省事，不用从头拍一遍。

如此看来，百度一镜的视频生成效果无疑已经处于行业头部梯队，那为什么价格还能压到0.2元/秒？

这背后，靠的是三件事。

一是渲染从云端挪到端侧，二是算力从GPU、NPU往CPU走。这两条是行业共同的降本方向，难的地方不在换路线，而在于换完之后效果还保得住。

第三条则是百度一镜自己探索出的新路径：在线和离线混排。

已经有的真人片段、提前生成好的动作和展示片段，直接复用。需要即时反应的段落，才走在线生成。两者要在同一个流畅的流里衔接，中间不能卡。

百度方面把这套架构视为降本的核心。

它的逻辑其实很朴素：直播里大部分时间在讲同一件商品，展示同一个卖点。这些内容没有必要每次都实时生成一遍。善用已有的素材，善用真人原片里的表现力，剩下的交给实时生成。

官方披露的数据显示，借助百度一镜数字人，配合一键开启本土化直播，电商方案整体成本下降83%、转化率提升29%。像是斯凯奇的直播间GMV提升了40%、转化率提升62%；越南特步月GMV提升60%、转化率提升70%。

这些数字的背后，是技术对商业效率的重塑。当成本不再是拦路虎，商家便敢于在更多语种、更多场景上铺开直播。过去因为成本顾虑而搁置的长尾市场，如今有了被激活的可能。

从直播带货工具

到全场景基础设施

如今，数字人早已不仅仅停留在直播间里。

大会主论坛上，百度把自家IP希加加“活人化”，让她去采访百度创始人李彦宏。这个数字人不只是被动应答，还会自己发问，人设是犀利的。

同样的实时互动能力，还进入到了政务接待、企业首页客服、心理咨询、老师授课和面试场景。

在短漫剧片场，以前一部片子要凑演员、场地、灯光、后期，周期按周算，现在剧本喂进短漫剧Studio，角色、场景、镜头一起出来，还会根据市场情况进行文化转译，适配当地观众的审美偏好。

此外，随着“短漫剧Studio”与“一键转绘”能力的推出，商家还可以将国内的短剧素材一键换装，成为本土化营销的利器。

品牌广告片也成了一件更简单的事。过去拍一条品牌TVC，需要导演、摄影、灯光、后期等一整套班底。现在就拿可口可乐的创意广告片来说，从一句自然语言需求到分镜、成片，全程都由百度一镜的AI大脑调度编剧、导演、视频生成与剪辑几个Agent。

可口可乐创意广告片

愈发广泛的应用场景背后，是一个还在增长的大盘。

2025年，全球数字人上下游市场达到653亿元，2026年预计997亿元，同比增52.7%，2030年有望超4093亿元。

而百度一镜已然在这一市场中占据了显著份额。

官方披露的数据显示，目前百度一镜已覆盖30多个行业，累计合作主播超20万，生成数字人内容超10亿，在沙利文报告里拿下市场份额与产品综合实力双第一。

广泛的落地应用只是一方面，更重要的是当数字人视频生成价格压到0.2元/秒，计费方式本身就是一个信号。

卖软件按年收费，卖服务按项目收费。只有像水电煤一样的基础设施，才会按秒来卖。客户用多少算多少，不用先立项、先批预算、先决定拍几条。

如今，百度一镜把数字人放到了基础设施的位置上，这门生意也从“卖一套系统”变成了“卖一份产能”。

用百度集团副总裁、移动生态大商业事业部总经理平晓黎的话来说，数字人的发展可以分成三个阶段：

最早是看它像不像人、真假难辨，后来是看它能不能生产出好内容，现在是看数字人智能体放进企业的具体场景里，能不能围绕营销目标创造真实价值。

换而言之，数字人已经过了炫技的阶段，接下来就要看它能不能替企业把活干了，能不能帮商家把生意做好。

可以预见的是，当一条视频的成本降到几十块，出海拼的就不再是谁拍得起，而是谁更懂那个市场。

对于商家们来说，真正的机会窗口从来不在成本最低的时候，而是在门槛刚塌、大部分人还没反应过来的那几个月。