让马斯克秒变带货主播。
还记得那个让泰勒·斯威夫特说地道中文、郭德纲讲英语相声的 HeyGen 吗？这款平台最近又引入了一项新的「产品植入」功能。只需上传一张人物头像和一张产品图片，就可以让任何人给任何产品「带货」，无论是表情、口型还是手势，都相当自然逼真流畅。
例如，让盖尔・加朵、泰勒·斯威夫特和伊万卡分别手持 Labubu、百事可乐、Gucci 经典包包说着一段广告词，整个过程如同真人般自然。
或者让蒙娜丽莎和戴珍珠项链的女孩在线推销商品：
还有网友完全用 AI 生成人物和产品图片，做了一段带货视频。如果去掉 HeyGen 的水印，再发布到社交媒体上，肯定能骗过不少人。
不少网友看到这些案例后，纷纷表示这将重新定义广告行业。
HeyGen 简介
HeyGen 是一款专注于数字人视频制作的 AI 视频生成平台。用户只需输入文本脚本，就能一键生成高质量的虚拟人像视频，并且支持多种语言和方言。除了「产品植入」功能外，HeyGen 还探索了很多其他创新功能。
其中一项功能是 Video Podcast，用户只需上传网站链接或 PDF 文档，即可生成双人 AI 视频播客，非常方便。
另一项功能是 Interactive Avatar，通过这项功能，用户可以与各种虚拟形象进行实时互动，类似于给虚拟人打电话。
还推出了两项 Beta 测试版功能——Instant Highlights 和 URL to Video。前者可以一键将长视频剪辑成多个精彩片段，后者则是通过粘贴产品列表链接，立即生成促销视频内容。
一手体验
今天，我们就详细介绍下 HeyGen 的「产品植入」功能如何使用。
首先，打开 HeyGen 官网，选择「Product Placement」功能，分别上传一张 Labubu 的产品图像和一张马斯克的人物头像，让 AI 将其自动组合起来。
链接直达：https://app.heygen.com/home
它会一次生成 4 张图片，生成效果虽然有些搞笑，但整体还算自然。比如，AI 笔下的马斯克虽然皮肤光滑，但似乎显得更老了一些。仔细观察，还发现图二中的马斯克手部细节略有缺失。
接着是编写脚本或上传音频。上传的音频时长不能超过 15 秒。用户可以选择让 AI 自动生成脚本，或者直接输入文字，选择系统提供的声音生成带货音频。当然，也可以通过克隆音色生成更个性化的音频，再进行上传和视频生成。
看看最终的效果，AI 版的马斯克推荐 Labubu 时非常认真：
「Hello， I’m Elon — yes， it’s really me. I’ve sent people to Mars， but today， I’m sending this to your home. It’s called Labubu. Don’t be fooled by its quirky-cute looks — it’s the hottest little monster on the planet.」
目前，市场上有不少其他 AI 视频生成应用也实现了类似的对口型功能，如 Veo3、快手可灵、字节即梦等。这些应用通过上传一张人物手持产品的图片和输入口播文本或音频，同样能达到逼真的效果。然而，它们大多无法实现自定义带货主播和产品，这正是 HeyGen 的优势所在。
当然，这一领域也有其他竞争者，比如 Topview。Topview 的玩法和 HeyGen 类似，都需要上传一张人物头像和一张产品图片，然后合成一张人物带货图片，进而生成相应的视频。
Topview 提供手动模式（Manual Mode）和自动模式（Auto Mode）。手动模式需要用户调整产品图片尺寸以匹配人物头像，每次可生成两张图片，但效果并不稳定，如图二所示，人与物品的融合效果不佳。
自动模式则由 AI 自动调整拼合，官方提供了详细的提示词：“The model in Image 1 is holding the item from Image 2. Maintain the consistency of the model’s appearance， composition， and positioning from Image 1， and adjust the gesture to fit the size and appearance of the item. The item must remain consistent with the one in Image 2.”（图 1 中的模特正拿着图 2 中的物品，要保持图 1 中模特的外观、构图以及位置不变，同时调整其手势，使其与图 2 中物品的大小和外观相匹配，并且图 2 中的物品需保持原样。）
然而，生成的效果并不理想。不但美颜过度严重，而且某些生成的图片中，物品的尺寸明显不对，如奥特曼手中的苹果手机大小不一。
从整体效果来看，Topview 相比于 HeyGen 还欠些火候。无论是模特表情的自然度、口型的准确度，HeyGen 的表现都更为出色。
价格方面，Topview 相对较为亲民，月付 138 元人民币，年付 74.8 元人民币，每月提供 50 个积分，可以免费生成 5 个声音克隆项目，每个视频最长可达 3 分钟等。
扒一扒背后的公司
创业有时确实会出现东方不亮西方亮的情况，比如 HeyGen 背后的诗云科技。尽管官网全程使用英文，但其根在中国深圳。HeyGen 的两位创始人徐卓和梁望均来自中国，且是同济大学的校友。他们在卡内基梅隆大学完成了研究生学业，分别专攻计算机科学和人机交互。
HeyGen 联合创始人兼 CEO 徐卓（Joshua Xu）在 Snapchat 工作了 6 年，担任商业、推荐算法、机器学习平台和 AI 相机等核心产品的关键角色。
另一位联合创始人兼首席产品官（CPO）梁望（Wayne Liang）曾担任字节跳动的产品设计负责人。
此前，徐卓回国创办了诗云科技，并推出了 AI 作画和换脸应用——诗云马良。然而，该应用在国内并未取得显著的成功，已于 2020 年 1 月 31 日停止服务。在国内市场未能引起关注后，徐卓再次将目光转向海外市场。2022 年，他与梁望在洛杉矶共同创立了 HeyGen。HeyGen 初期名为「Movio」，是一个利用生成式 AI 创建视频的平台。推出 7 个月就实现了 100 万美元的年度经常性收入（ARR），并保持了 9 个月 50% 的月环比增长。
业绩稳健使得 HeyGen 的融资非常顺利。2024 年 6 月，HeyGen 在新一轮融资中筹集了 6000 万美元，公司估值达到 5 亿美元。目前，据报道 HeyGen 的 ARR 已经达到 8000 万美元，预计今年有望突破 1 亿美元。公司现有团队约 100 人，一直保持盈利状态，上一轮融资的资金大部分仍在银行里赚取利息。
参考链接：
- https://x.com/minchoi/status/1935842891085025690
- https://x.com/EHuanglu/status/1935699485537231218
- https://x.com/techhalla/status/1935727516708131123
