拆一个数字人直播项目：为什么大多数人第二个月就停了

59.8 元。

这是把一个数字人形象和一个声音一次性做出来的钱——按腾讯云智能数智人的官方价格指南，2D 小样本照片形象 19.9 元/个，声音定制极速版 39.9 元/个。

第二个数是一万出头，每个月。

第三个数是 4.8 万字，每天。

第三个数才是这类项目真正的开关。做过内容排期的人一眼能看出来：一条产线卡住的地方从来不在设备，在原料够不够那条线一直吃下去。

一、把这门生意的两栏账分开：一次性的那一栏，和按月的那一栏

先说来源：下面这些单价全部取自各家的官方计费文档。这些页面是持续更新的，价格随时会调，所以它们只用来做量级对照，不是报价单。市面上还有一大批第三方数字人直播软件，报价从几千到几万都有，但它们没有一个公开的官方价目页，所以本文一个都不引。

一次性的那一栏（腾讯云智能数智人官方价格指南）：

19.9 加 39.9 等于 59.8。这个数是让人下决心的那个数。

但同一张表里有一行写着「有效期 1 年」。凡是标着有效期的一次性费用，都不是一次性费用。 3,000 元的基础版声音摊到十二个月，是每月 250 元。这一步是我自己除的，口径就是那张表上的两个字段。

按月的那一栏：

人力那一格的来路要说清楚：据国家统计局 2025 年 5 月 16 日发布的 2024 年城镇单位就业人员年平均工资数据，规模以上企业分岗位里「社会生产服务和生活服务人员」年平均工资 77,584 元。除以 12 是我自己算的，这是就业人员的工资口径，不含单位缴纳的社保公积金，真实用人成本比这个数高。

流量那一格也要说清楚：据腾讯云标准直播的计费文档（该页更新时间为 2025 年 9 月 9 日），流量按 0.26 元/GB 起阶梯计价，「消耗流量 = 码率 / 8 × 所有人观看总时长」，上行推流默认不收费，只有在下行与上行比率小于 10:1 且推流日峰带宽大于 100Mbps 时才另外收。如果你在公域平台的直播间里播，这一格是零，分发是平台的事。 只有在自家官网或私域里自建直播，这一格才出现。

按本文设定的口径（码率 2 Mbps、平均同时在线 10 人、每天 4 小时、一个月 30 天）算一遍：0.25 MB/s × 1,200 人时 × 3,600 秒 ≈ 1,080,000 MB ≈ 1,080 GB，乘 0.26 元 ≈ 281 元/月。这一步的每个假设都是我设的，换个在线人数结果就变。

10,541 ÷ 59.8 ≈ 176。

二、脚本这一格，一天 4.8 万字

上面那张月度表里，语音合成只有 576 元，模型调用只有一美元。看上去内容这一格便宜得可以忽略。

把它换成字数就不一样了。

按本文设定的口播语速每分钟 200 个汉字算——这个语速是我设的，不是任何来源的数，你自己录一分钟数一遍就知道自己是多少：

• →每天 4 小时 = 240 分钟 × 200 字 = 48,000 汉字/天
• →一个月 30 天 = 144 万汉字/月

再回头看语音合成那 576 元怎么来的。阿里云智能语音交互的计费文档里有一句必须原样读的口径：「1个汉字算作2个字符；1个英文字母、1个标点或1个句子中间空格均算作1个字符。」

所以 144 万汉字 = 288 万字符 = 288 个「万字符」，乘 2.00 元 = 576 元。这一步是我按官方口径自己算的。

很多人第一次算这笔账会漏掉「1 个汉字算 2 个字符」这一句，结果把语音合成的预算算成一半。

模型调用那一格同理。144 万字的产出，按中文一个汉字大致对应一个 token 的粗口径（这个换算不严谨，中文分词后通常略少于字数，这里往高了算），一个月输出约 144 万 token；提示词和检索进去的商品资料按输出的三倍算，输入约 432 万 token。按 DeepSeek 官方定价页的 V4-Flash 单价：4.32 × 0.14 + 1.44 × 0.28 ≈ 1.0 美元。

一美元。

把这三个数放在一起看：一个月 144 万字的口播，把它说出来花 576 元，把它写出来花 1 美元，而让它每天准时开播的那一路并发花 3,500 元。

这就是这门生意真实的形状：生成侧几乎没有成本，播放侧和人力侧才是账单。

三、第二个月停下来，卡住的不是钱，是能说的东西用完了

144 万字是什么概念？

一个人写口播稿，按每天 3,000 字算（这是一个偏宽松的设定值），一个月 22 个工作日能写 6.6 万字。144 万 ÷ 6.6 万 ≈ 21.8。

要 21.8 个人。所以这类项目从第一天起就不可能靠人写，只能靠生成加复用。

生成不是问题，上一节算过，一个月一美元。问题在复用会撞上一个硬边界：你手上到底有多少件值得说的事。

按本文设定的口径算：一个 SKU 要讲透——卖点、参数、适用场景、常见售后问题——大约 8 分钟。

• →一天 240 分钟 ÷ 8 分钟 = 每天需要 30 个 SKU
• →如果你一共有 120 个 SKU，那么 120 ÷ 30 = 4 天轮完一遍
• →第 5 天开始，观众听到的是重复的内容

第一个月这件事不明显，因为进直播间的人也在换，重复对他们来说是第一次。

第二个月就明显了。你的直播间开始有回头客，回头客第一次发现"这段我听过"，是这门生意开始掉下来的那一天。而这时候你的月度账单一分钱没少。

所以第二个月停下来的人，不是被成本劝退的，是发现自己没有新东西可说了。

这一段是本文最想让人带走的一句：AI 把"把话说出来"压到了一个月 576 块钱加一美元，但它没有压低"有新东西可说"的成本。 新东西的来源只有四个——新品、活动、价格变化、真实发生的售后问题。这四样的产量取决于你的生意本身，跟你用不用数字人一点关系都没有。

一条产线的产能，从来由最慢的那道工序决定。这条线上最慢的那道工序，是你的供货和运营，不是你的合成。

四、开播前先把这六个问题答完

顺序不能换。任何一问答不上来，就停在那一问，先别买。

第 1 问。数一数你有多少个 SKU，再除以每天需要的个数。 用上面那个 8 分钟的口径，或者你自己实测一个 SKU 能讲几分钟。得出的天数就是你的供给天数。低于 7 天的，别开每天 4 小时的场，改成每天 1 小时。

第 2 问。数一数你每个月新增多少件值得说的事。 新品几件、活动几场、价格调整几次、售后里被问过三次以上的问题有几个。这四个数加起来，就是你的月增量。增量为零的生意，这条线跑不满两个月。

第 3 问。先算并发路数，不要先挑形象。 形象那一格是 19.9 元，怎么选都不影响结果。并发那一格是 3,500 元/月/路，选几路直接决定你的月账单。多数人是反过来的——先花两周挑形象，最后才发现月费在另一栏。

第 4 问。把所有带"有效期"的一次性费用摊成月费再看一遍。 声音定制基础版的那个「有效期 1 年」是最容易漏的一条。摊完之后再和第 3 问的数字相加，那才是你的真实月成本。

第 5 问。把你自己的语速和 SKU 时长实测一遍，再重算第 2 节那两个字数。 我给的 200 字/分钟和 8 分钟/SKU 都是设定值，不是你的数。你的数可能差出三成，三成会改变结论。

第 6 问。先跑两周，只记三列。 日期 / 当天播了几个 SKU / 当天有没有出现"这段我听过"类的评论。不看在线人数，不看停留时长。 那两个数是平台给你的，第三列那个是你自己的——它比任何一个平台指标都早告诉你这条线还能跑几天。

五、什么时候不该做这件事

第一，SKU 少于 30 个、并且月增量接近零的时候。 第 1 问和第 2 问同时不及格。这类生意做数字人直播，第一个月的数据会不错，第二个月一定掉，而月费一分不少。这不是执行问题，是原料不够。

第二，你的品类需要现场感的时候。 需要看质地、闻味道、试穿试用、现场回答刁钻问题的品，换成数字人之后掉的不是转化，是提问——观众不再问了，因为他知道对面答不了。适合与不适合的品类边界，是要单独判断的另一件事，本文不展开。

第三，你打算靠"看不出是数字人"来做的时候。 2026 年 2 月 1 日施行的《直播电商监督管理办法》（市场监管总局令第 117 号）第三十七条已经写死：使用 AI 人物图像直播须标识并持续提示，责任由直播间运营者承担，罚则 1 万~10 万元——同系列有一篇专门拆过这一条怎么落地，这里只给一句结论：你买的是产能，你承担的是责任。

第四，你在拿服务商给的转化率做决策的时候。 这个赛道的转化率数字，公开渠道里找不到任何一份可信的第三方实测，能查到的全部指回卖方：服务商的宣传材料，以及营销号对这些材料的转述，链条是闭合的。所以本文从头到尾没有给你一个转化率，只给了成本和供给。 这两样你自己能算，转化率你只能自己测。

最后一条，是给已经在跑的人的。 如果你已经开了一个月，先别急着加第二路并发。回去数一遍第 2 问那个月增量。增量没变的情况下加并发，等于让同一批内容在两个直播间里同时重复。

先把供给数清楚，再谈时长和路数。这条线的产能上限，从来在你的货架上，不在你的机位上。

这套按 SKU 排口播、按增量排班次的完整流水线在《AI内容工厂：短视频批量生产》第 4 课。