在企业高层沟通、合规宣讲与全球员工内训场景中，数字人正从早期的新鲜感探索转变为日常刚需的降本增效工具。尽管 Hour One 等头部平台提供了数十位现成的开箱即用官方数字人，但对于企业决策者与核心内训师而言，使用与自身业务无关的陌生面孔往往存在难以逾越的信任鸿沟与品牌割裂感。打造专属的高逼真度真人数字分身（Digital Twin），成为兼顾个人权威度与视频规模化产出的最优解。
然而，Hour One 专属定制分身的成败与逼真程度，几乎完全取决于前期录制提交的“原始训练素材（Source Footage）”。Hour One 的神经渲染与 3D 人脸重构管线需要从原始视频中高精度捕捉面部微表情、唇齿音素开合结构以及头部物理运动规律。若原始素材存在画面虚焦、测光闪烁、视线偏移或录音杂音，生成的数字人便极易出现机械抽搐、唇形漂移乃至令人不适的“恐怖谷”效应。
本文为企业高管、内训讲师及企业内部影视制作团队提供一套经实测验证的 Hour One 真人数字分身素材录制实操指南。
业务价值：为什么企业需要专属真人数字分身？
传统企业视频生产面临两大难以调和的瓶颈：高管与资深业务专家的日程极难协调，以及常态化重拍的高昂成本。一旦合规条例微调、季度战略指标变更或新产品迭代，传统的制作方式都需要重新协调讲师档期、布置影棚并安排拍摄与剪辑。
在 Hour One 中定制高保真专属分身后，企业可获得三大核心能力提升：
- 零重拍的无限扩展性：高管或讲师只需完成一次标准素材校准录制，后续只需在控制台输入纯文本脚本，数分钟即可生成全高清演讲或授课视频。
- 多语言全球化本地化：Hour One 支持将讲师形象与数十种跨国语言结合。中国总部的技术专家或管理层无需学习多国语言，即可让数字分身以地道德语、日语、西语或法语向海外分支机构发表演讲，且口型精准契合。
- 保持内部权威与品牌认知：学习与发展（L&D）数据表明，员工观看由熟悉的内部高管与资深导师讲授的培训课程时，专注度与考核留存率显著高于面对无名外聘模特。
领英联合创始人里德·霍夫曼（Reid Hoffman）曾与 Hour One 合作打造其超写实数字分身“REID AI”，并在全网展示了与自身数字孪生体探讨科技未来的深度对谈，验证了该技术在商业领袖思想领导力延展上的成熟度。而要达到这一水准，前期录制必须遵循极严谨的工业级规范。
一、拍摄环境与硬件配置规范
录制定制数字人分身的原始素材绝非普通的日常视频会议，而是一次对光线、光学与声学数据进行精密采样的系统工程。
1. 摄像机与参数锁死设置
- 分辨率：强烈推荐使用专业单反/微单以 4K 原生分辨率（3840×2160）录制；1080p（1920×1080）为底线。高分辨率素材能为神经网络提供眼部虹膜反射、皮肤微孔与唇缘轮廓的关键训练特征。
- 帧率：稳定锁死在 30 fps 或 60 fps。切忌使用手机默认的可变帧率（VFR），必须为恒定帧率（CFR）。
- 镜头焦段：推荐使用 50mm 至 85mm 等效焦段的中长焦镜头。避免使用广角镜头（如手机前置或常规电脑摄像头 24mm 镜头），广角带来的桶形畸变会使面部鼻部凸起、轮廓失真，破坏神经网络的空间感知。
- 三项必须锁死的核心参数（极其关键）：
- 手动曝光（Manual Exposure）：根据帧率将快门速度设为 1/60s（30fps 拍摄时）并锁死光圈（建议 f/4.0 至 f/5.6，确保从鼻尖到耳后整体景深清晰锐利）。绝对禁止开启自动测光，否则衣物摆动导致的明暗自适应会引发数字人画面周期性频闪。
- 手动对焦（Manual Focus）：单次精确对焦于人物眼部后切为手动锁死。任何自动追焦引发的“对焦呼吸”都会导致生成的数字人面部周期性失焦模糊。
- 锁定白平衡（Locked White Balance）：手动设定固定色温（如标准影视灯 5600K），严禁开启自动白平衡（AWB），避免人物肤色随光影动态漂移。
2. 灯光布局：标准柔光三点布光
布光的核心目标是面部均匀受光、消除死黑硬影，并让主体与背景在边缘上形成清晰分离：
- 主光（Key Light）：置于人物斜前方约 45 度，搭配大型柔光箱，使光线细腻漫射于面部，避免形成法令纹等硬边阴影。
- 辅光（Fill Light）：置于主光对侧，功率约为偏主光的 50% 至 70%，柔和提亮眼窝与下颌暗部。
- 轮廓光/顶光（Rim / Hair Light）：置于人物后上方，在头部与肩部分离出一条细致的高光轮廓，这对于后续抠图与 3D 深度提取至关重要。
- 佩戴眼镜时的反光处理：若被摄者佩戴眼镜，需将主光与辅光适当抬高并向两侧拉开，或在镜头前加装 CPL 偏振镜，确保镜片无反光遮挡瞳孔。
3. 背景选择：绿幕与纯色背景取舍
- 专业绿幕（Chroma Key）：若计划将数字人置于 Hour One 的各种三维虚拟演播室、PPT 课件或企业办公场景中，需使用平整无褶皱的影视绿幕。人物与绿幕至少保持 1.5 至 2 米间距，并对绿幕进行独立均匀补光，防止绿光反弹（Green Spill）溢散到讲师发丝与肩膀上。
- 纯色无缝背景纸：若企业偏好极简写实风格，可选用消光深灰、藏青或米白色背景墙，既能减少色溢风险，又能提供纯净的边缘裁切环境。
4. 声学环境与拾音要求
Hour One 的口型动画算法直接绑定在语音的音素（Phonemes）切分上，清晰的声音是数字人开合自然的前提：
- 麦克风选型：使用高品质专业无线领夹麦（夹于胸骨正中平稳位置）或在画框外上方架设超心形指向性枪式麦克风。
- 声学吸音：在有地毯、吸音棉或无回音的会议室/静音演播室录制，严防玻璃幕墙会议室带来的金属空洞回声。
- 保留原始动态：关闭录音设备内置的激进降噪、自动增益控制（AGC）与重度人声压缩，给 AI 模型提供饱满且无涂抹的原生人声波形。
二、被摄者肢体表现与台风控制
在定制数字人素材拍摄中，“过度活跃”是导致模型报废的首要原因。被摄者的肢体与动作必须保持高度自律与空间锚定。
1. 景别取景与视线锁定
- 标准景别：采用半身中景（Medium Shot），画面下沿截取至腰部或肚脐上方，头部上方预留 10% 至 15% 的安全余量（Headroom），人物躯干居中。
- 机位高度：镜头中心必须与人物眼睛保持完全平视。严禁俯拍或仰拍。
- 视线绝对定焦：高管或讲师必须直视镜头正中央。若使用提词器，提词屏必须安装于镜头同轴玻璃正前方。绝不能斜眼瞟向机身旁侧的电脑屏幕或纸质台本，否则生成的所有视频都会永久带有“眼神斜视飘忽”的致命缺陷。
2. 手势约束与躯干稳定
- 手势安全区：双手应自然交叠或下垂于中下腹部。严厉禁忌：双手绝对不能抬高划过脖子、嘴巴或脸颊，手指也不能在画框边缘反复进出。面部一旦被手部遮挡，面部网格捕捉便会瞬间崩溃。
- 体态稳定：若站立拍摄，双脚与肩同宽稳固站立，严禁重心左右晃动或原地踱步；若坐姿拍摄，必须使用固定不可旋转的高背椅，保持脊椎挺拔，杜绝转椅旋转带来的细微位移。
- 头部微动幅度：可以保留配合语调的自然微点头与小幅度倾斜，但严禁左右摆头幅度超过 15 度，严禁突兀猛烈甩头。
3. 语速节奏与“闭唇停顿法”
- 沉稳商务语速：语速保持在每分钟 130 至 160 词（中文约 200 至 240 字），吐字清晰圆润，避免含糊吞音。
- 闭唇停顿法（核心技巧）：每讲完一句话或一段核心观点后，有意识地自然闭合嘴唇停顿 1 至 1.5 秒，保持自然平视。这为 Hour One 视素（Viseme）合成模型提供了极其干净的断句与归零基准，能彻底避免合成视频中句子交接处的嘴唇漂浮和抽搐。
- 面部基调一致：保持亲切、专注而沉着的高管/讲师面部微表情，避免在极度严肃与夸张大笑之间剧烈跳跃。
三、录制实操：单条长镜头与合规授权
1. 准备 3 至 5 分钟的专业训练脚本
准备一份约 600 至 800 字的朗读稿，内容需贴近真实的商务汇报与内训业务：
- 包含企业常见专业词汇、英文缩写、疑问句式、肯定陈述句与数字罗列。
- 要求被摄者在**一个完全连续的单条长镜头（Single Continuous Take）**中一气呵成朗读完毕。
技术红线：严禁对训练素材进行任何剪辑、跳剪（Jump Cut）或交叉淡化拼接。AI 深度学习严重依赖素材在物理时间轴上的连续性。若中途出现口误，不要暂停录像，只需闭唇静止 2 秒，重新朗读该句即可。
2. 录制法定合规授权声明（Mandatory Consent）
为了杜绝 Deepfake 滥用与肖像侵权风险，Hour One 在企业级分身交付前执行严格的授权审核。在正式录制完毕后，被摄者必须保持正面直视镜头，清晰朗读一段授权声明：
"我叫 [法定姓名]，是 [公司全称] 的 [职务名称]。今天是 [年-月-日]。
我在此明确授权 Hour One 使用本视频与音频素材用于创建、训练与托管我个人的高逼真度 AI 数字人分身，
以用于经合规批准的企业日常商务沟通与内训视频制作。"
此段声明视频将作为企业工作区激活定制数字人的强制校验凭证。
四、自检核对表：合规与避坑要点
| 评估维度 | 推荐操作（规范做法） | 致命失误（严禁出现） |
|---|---|---|
| 画面光学 | 4K/1080p、稳定恒定帧率、手动锁曝光与色温、眼部手动聚焦 | 自动曝光抽搐、自动对焦呼吸闪烁、手机可变帧率 |
| 影视灯光 | 柔光箱漫射三点布光、独立的背光轮廓光 | 顶置荧光灯硬影、面部阴阳脸、强烈的眼镜镜片反光 |
| 服装搭配 | 哑光单色职业正装、与背景色差鲜明 | 录绿幕穿绿色衣服、密集的细条纹/千鸟格引起摩尔纹 |
| 构图景别 | 腰部以上半身像、水平视线正对镜头 | 大特写切下巴、电脑摄像头仰拍双下巴、人物严重偏离中心 |
| 视线控制 | 视线始终稳定凝聚在镜头正中或同轴提词器 | 边讲边看侧面电脑、眼神上下乱飘阅读纸质稿 |
| 肢体手势 | 动作克制、手部平放于胸部以下、坐姿稳重不晃动 | 手势挥舞遮挡嘴唇与下巴、身体左右摇摆、坐转椅摇晃 |
| 语音吐字 | 句末自然闭唇停顿 1 秒、声调沉稳、吐字清晰 | 语速过快吞音、长句子不换气、录音带空旷房间回音 |
| 后期交付 | 纯原片直出、无任何剪辑拼接的连续大文件 | 剪掉口误导致的跳剪、添加磨皮滤镜、破坏时间连续性 |
五、素材交付、模型训练与业务落地
原始素材拍摄完成后，保持原始编码（ProRes 或高码率 H.264/H.265，未压缩音频）直接提交至 Hour One 企业专属交付通道。
1. 审核与模型校准周期
- AI 自动化质检：系统自动扫描视频分辨率、人脸关键点捕获率、音频信噪比与授权声明完整度。
- 神经网格训练：Hour One 云端集群启动 3D 人脸动态模型与混合变形目标（Blendshapes）训练，精准建立发音音素与肌肉群的动态映射。定制级别的高级分身通常在 24 至 48 个工作小时内完成校准。
- 企业内部验收：交付至企业后台后，管理员可输入测试文本，分别生成肯定、陈述、多语言等简短样本进行合成质量验收。
2. 融入企业全场景视频管线
数字分身入库后，企业内部即可全面实现视频生产资产化与无人化：
- 微课与培训制作：内训人员在 Hour One 的 Reals 编辑台中将讲师分身与课件幻灯片、屏幕录制画面结合，实现像排版 PPT 一样制作专业内训课。
- 跨国业务出海：直接粘贴翻译好的海外版本文案，讲师形象即可用标准外语同步宣讲，彻底消除跨国分支机构的语言沟通障碍。
- 对接企业系统：合成后的高清视频可一键导出为 MP4 格式，快速上传至企业内训平台（LMS）如 SAP SuccessFactors、Cornerstone 或企业内部钉钉/企业微信知识库中。
2025 年 5 月，建站及数字化巨头 Wix 正式收购了 Hour One，将其尖端生成式 AI 虚拟人技术与更广阔的数字化工作流深度整合。对于企业决策者与培训管理者而言，严把前期素材录制质量关，便能一劳永逸地将个人专业影响力转化为企业全天候运转的高效数字资产。