每位老師都該有一個數位分身:我用同一張照片,實測三種 AI 影片模型
Seedance 最自然、HeyGen 最划算、Wan 太生硬——從沒手勢的照片到簡報旁的老師分身
老師最花力氣的不是寫教材,是一頁一頁對著鏡頭講。如果 AI 能用老師自己的臉、自己的聲音,把講課的樣子做出來呢?我拿自己當白老鼠,用同一張照片、同一段聲音,測了 Seedance、HeyGen、Wan 三種模型。 為什麼要做這件事
做一門線上課,真正卡住老師的往往不是內容。
簡報可以用 AI 整理,講稿可以用 AI 起草,連配音都可以用老師複製的聲音一鍵完成。但只要課程裡要「看到老師本人」,就得架燈、穿正式、對著鏡頭錄,講錯一句重來一次。一門課十幾支影片,光錄影就是好幾天。
所以我想替 MakeClass 的每一位老師打造一個數位分身: 用老師自己的照片,不是素材庫裡的陌生人 用老師自己的聲音,講老師自己寫的內容 放進簡報旁邊,學生看投影片的同時,也看得到「老師在講」
老師只要準備一次照片和聲音,之後每一頁課程都能有自己出鏡。這篇是實測紀錄:我用自己的照片和一段已經錄好的課程導讀,測哪一種模型做得最像真人。 第一步:照片沒有手,先讓 AI 補出來
我的形象照只拍到胸口。第一次直接拿去生影片,分身講得很順,但手一直不見:模型只會照照片的取景畫,照片沒有手,影片就沒有手勢。
老師講課時手會動,沒有手勢的分身看起來就是少了點什麼。
解法是先讓 AI 把畫面拉遠:在提示詞裡寫「腰部以上的中景、講解時自然比手勢」,讓模型補出腰部和雙手。再從生成的影片裡挑一格嘴巴閉著、雙手輕輕交握的畫面,當成之後每次生成的起始照片。
如果你要做自己的分身,最省事的方法是直接拍一張腰部以上、有露出手的照片,就不用多這一步。 第二步:同一張照片+同一段聲音,三種模型
測試條件完全相同:同一張腰部以上的照片、同一段 15 秒的課程導讀(我自己的聲音),畫面都是 16:9。
排名 模型 表情與動作 聲音同步 費用(15 秒) --- --- --- --- --- 🥇 Seedance 2.5 最自然,表情和手勢最像真人 輸出沒有聲音,要自己疊回去,每支都要檢查同步(我那支要把聲音提前 0.025 秒才剛好) Higgsfield 105 點,最貴 🥈 HeyGen Avatar IV 自然,但嘴張最大的瞬間有點假、像卡通 一次就對上,聲音直接在影片裡 約 NT$18 ✕ Wan 2.7 太生硬、不自然 一次就對上 Higgsfield 22.5 點,最便宜
我的結論: 有預算、要最好的效果 → Seedance。 它最像真人,代價是最貴,而且每支都要人工確認聲音和嘴型有沒有對上。 要快、要穩、要便宜 → HeyGen。 聲音一次就同步,一分鐘約 NT$72,一堂 10 分鐘的課大約 NT$720。 Wan 不採用。 便宜但動作太僵,學生一看就知道是假的。 第三步:HeyGen 的笑容可以調
HeyGen 剛做出來的時候,老師看起來很冷淡:手一直交握在胸前,幾乎沒有表情。
HeyGen 有一個「動作描述」的欄位,可以用文字告訴它肢體要怎麼動。我寫了「熱情、常常笑、表情生動、講解時比手勢」,手勢和笑容馬上出來了——但笑得太大,露齒大笑的瞬間嘴張很開,看起來像卡通。
我試過把「表情強度」從高調到中、再調到低,結果幾乎沒差。真正有用的是改那段描述:拿掉「常常笑、表情生動」,改成「溫和的淺笑,句子之間閉著嘴微笑,不要大笑」,手勢保留。
同一段聲音、同一個時間點,上排是調整前、下排是調整後,笑容明顯收斂、自然多了。 成果:簡報+老師的分身
最後我用 HeyGen 把課程第 1 頁完整的 53 秒做完,再把分身放進簡報右上角,避開標題和重點文字。
這一頁的分身影片花了大約 NT$66。學生看到的是熟悉的投影片,旁邊是老師本人的臉和聲音在講解。 接下來
這次實測讓我確定,「每位老師一個數位分身」技術上已經做得到。接下來 MakeClass 要處理的是: 授權與隱私:臉和聲音是老師最私密的資產,只能本人使用、只能用在本人的內容。 讓老師自己選:要最自然就用 Seedance,要快又便宜就用 HeyGen,價格跟著選擇走。 一鍵做完整門課:從簡報、講稿、配音到分身出鏡,老師只需要看過、按確認。
老師的時間應該花在想清楚要教什麼,而不是對著鏡頭重錄第十次。