在企業高層溝通、合規宣導與跨國員工培訓場景中，數位人（AI Avatar）正從早期的行銷新鮮感探索，迅速演進為日常必備的生產力基礎設施。儘管 Hour One 等專業平台內建了數十位現成的官方預設主播，但對於企業決策者與核心內訓講師而言，由陌生面孔傳遞關鍵戰略或技術知識，難免產生信任缺失與品牌割裂感。打造專屬的高逼真度真人數位分身（Digital Twin），成為兼顧個人權威性與內容規模化產出的理想方案。
然而，Hour One 專屬定制分身能否達到商業級逼真效果，幾乎完全取決於前期所錄製提交的「原始訓練素材（Source Footage）」。Hour One 的神經渲染與 3D 臉部重建管線需要從原始影片中精確捕捉臉部微表情、唇齒音素開合結構以及頭部運動物理規律。若原始素材存在畫面虛焦、測光閃爍、視線偏移或收音雜音，生成的數位分身便極易出現機械抽搐、唇形漂移乃至引發反感的「恐怖谷」效應。
本文為企業管理層、人資培訓主管及企業影音製作團隊提供一套經嚴格實測的 Hour One 真人數位分身素材錄製全流程實操指南。
核心價值：為什麼企業需要專屬真人數位分身？
傳統企業影片製作長期受制於兩大瓶頸：高階主管與資深講師檔期極難敲定，以及內容常態化重拍的高昂時間與金錢成本。每當法規政策微調、季度業績目標更新或新產品上線，傳統流程都需要重新預約影棚、安排化妝並進行耗時的錄製與後製剪輯。
在 Hour One 中定制專屬高階數位分身後，企業能解鎖三大核心運營優勢：
- 零重拍的無限擴展力：高管或講師只需完成一次標準素材採樣錄製，後續只需在控制台中輸入文字講稿，數分鐘內即可自動生成全高畫質演講或教學影片。
- 多語系全球化在地化：Hour One 支援將講師形象與數十種語言音軌無縫結合。總部的專家無需親自學習多國語言，即可讓數位分身以流利德語、日語、西班牙語或法語向全球分支機構發布訊息，且嘴型完全對齊。
- 鞏固內部權威與品牌信任：學習與發展（L&D）研究指出，受訓員工在觀看由熟悉的內部主管或資深導師講授的課程時，專注度與知識考核通過率顯著優於面對外聘的匿名模特兒。
LinkedIn 共同創辦人雷德·霍夫曼（Reid Hoffman）曾與 Hour One 合作打造其超寫實數位孿生「REID AI」，並公開展示了與自身數位分身進行深度對談的影片，充分印證了該技術在延伸商業領袖思想領導力上的高度可行性。而要實現這一境界，前期的影音錄製必須遵循極其嚴謹的專業標準。
一、拍攝環境與硬體參數設定規範
錄制定制數位分身的原始素材絕非普通的日常視訊通話，而是一次對光學、光線與聲音數據進行精密校準的系統工程。
1. 攝影機與參數鎖定（至關重要）
- 解析度：強烈建議使用專業單眼或微單眼相機，以 4K 原生解析度（3840×2160）錄製；1080p Full HD（1920×1080）為不可退讓的底線。高解析度素材能為神經網絡提供瞳孔光澤、皮膚肌理與嘴唇輪廓的關鍵幾何特徵。
- 影格率（Frame Rate）：穩定鎖定在 30 fps 或 60 fps。切勿使用智慧型手機常見的可變影格率（VFR），必須保持恆定影格率（CFR）。
- 鏡頭焦段：推薦使用等效 50mm 至 85mm 的中長焦定焦鏡頭。嚴禁使用廣角鏡頭（如筆電內建攝影機或 24mm 廣角手機鏡頭），廣角鏡頭產生的桶形畸變會使面部鼻子凸出、五官變形，干擾 AI 對臉部深度結構的判定。
- 三大必須鎖定的相機參數：
- 手動曝光（Manual Exposure）：依據影格率將快門速度設為 1/60s（30fps 錄製時），並鎖定光圈（建議 f/4.0 至 f/5.6，確保耳前耳後整體景深銳利清晰）。嚴禁使用自動測光，避免衣物晃動導致相機自動調節亮度而產生畫面閃爍。
- 手動對焦（Manual Focus）：精確對焦於人物眼部後切換為手動對焦鎖定。自動對焦造成的「呼吸效應」會導致生成的數位人臉部週期性模糊。
- 鎖定白平衡（Locked White Balance）：手動設定固定色溫（如影棚 LED 燈標準 5600K），嚴禁使用自動白平衡（AWB），避免人物膚色隨光影細微變化而動態偏移。
2. 燈光佈局：標準柔光三點佈光
佈光的核心目的是使面部受光均勻、消除生硬陰影，並讓人物與背景形成鮮明的輪廓邊界：
- 主光（Key Light）：架設於人物斜前方約 45 度，搭配大型柔光罩，使光線柔和覆蓋面部，避免在鼻側或下巴形成刀刻般的生硬暗影。
- 輔助光（Fill Light）：架設於主光對側，亮度約為主光的 50% 至 70%，柔和補足眼窩與頸部暗處細節。
- 輪廓光/髮絲光（Rim / Hair Light）：置於人物後上方，在頭頂與肩線勾勒出一道細緻的高光輪廓，這對後續 3D 深度提取與去背效果極為關鍵。
- 眼鏡反光排除：若主講者配戴眼鏡，應將主光與輔光適度升高並向外側延展，或在鏡頭前加裝 CPL 偏光鏡，確保鏡片無光斑遮蔽眼球軌跡。
3. 背景配置：綠幕與純色無縫背紙
- 平整綠幕（Chroma Key）：若企業規劃將數位人置入 Hour One 內建的多樣化 3D 虛擬演播廳、企業簡報或客製化背景中，應使用平整無皺褶的專業綠幕。人物與綠幕間距至少保持 1.5 至 2 公尺，並以獨立燈具均勻照亮綠幕，嚴防綠光反彈（Green Spill）污染人物髮絲與衣領。
- 純色啞光背景：若企業偏好極簡真實風格，可選用吸光的中性深灰、深藍或米白色無縫背景紙，能有效消除色溢風險並提供乾淨的邊界切割。
4. 聲學環境與收音規範
Hour One 的唇形合成引擎直接根據語音音素（Phonemes）進行同步計算，清晰純淨的聲音是唇形自然開合的關鍵前提：
- 麥克風規格：採用專業無線領夾式麥克風（端正夾於胸骨正中）或在取景框外正上方懸吊超心形指向性槍型麥克風。
- 環境吸音：選擇鋪設地毯、配備吸音棉的會議室或靜音錄音室進行拍攝，避免在四面玻璃的大型空曠會議室中錄製，防止金屬空洞回音破壞音訊特徵。
- 停用軟體降噪：關閉錄音裝置內建的過度降噪、自動增益控制（AGC）與過度壓縮功能，為 AI 提供動態完整、無塗抹的原生人聲波形。
二、主講者肢體動態與颱風控制
在數位分身素材採樣中，「動作過大」是導致建模失敗的最常見主因。被攝者的身體動態必須保持高度的空間錨定與節制。
1. 鏡頭取景與視線紀律
- 標準取景：採用腰部以上的中景（Medium Shot），畫面下緣切於腰際或肚臍上方，頭頂上方預留 10% 至 15% 的安全空間（Headroom），軀幹保持居中。
- 相機高度：鏡頭軸心必須與主講者眼睛保持絕對水平平視。嚴禁由下往上仰拍或由上往下俯拍。
- 視線絕對平視：主講者必須緊盯鏡頭中心。若使用提詞器，提詞螢幕必須穿透安裝於鏡頭正前方。切忌斜眼觀看側邊筆電或手持稿件，否則生成的所有數位人影片將永久帶有「斜眼看人」的嚴重視覺缺陷。
2. 手勢控制與坐姿/站姿穩定
- 手勢安全區域：雙手應自然交疊置於下腹部或平放於身側。核心禁令：雙手絕對不可向上揮動越過頸部、嘴巴或臉部，手指也不能在取景邊框邊緣頻繁進出。一旦面部特徵被手部遮蔽，臉部網格追蹤就會瞬間失準。
- 體態穩定性：若採取站姿，雙腳與肩同寬穩固站立，嚴禁重心左右搖晃或前後踏步；若採取坐姿，必須使用固定不可旋轉的扶手椅，保持脊椎直挺，避免轉椅微動帶來的微幅偏轉。
- 頭部晃動幅度：可保留配合說話語氣的自然微點頭與極小幅度傾斜，但頭部左右轉動角度不得超過 15 度，更不可有突兀的劇烈甩頭動作。
3. 語速節奏與「閉唇停頓法」
- 穩重商務語速：說話速度保持在每分鐘 130 至 160 字（英文）或 200 至 240 字（中文），發音清晰圓潤、咬字清楚。
- 閉唇停頓法（關鍵實操）：在說完每個完整句子或語意段落後，主動將嘴唇輕輕閉合，保持自然平視並靜止停頓 1 至 1.5 秒。這為 Hour One 的視素（Viseme）合成模型提供了極為乾淨的斷句歸零基準點，能徹底根除合成影片在句子銜接處常見的嘴唇抽動或漂浮現象。
- 神情穩定一致：維持親切、專注且自信的專業主管神態，避免在極端嚴肅與誇張大笑之間突兀切換。
三、錄製實戰：長鏡頭錄製與法規授權
1. 準備 3 至 5 分鐘的專業訓練講稿
設計一份長度約 600 至 800 字的專業講稿，內容應貼近真實的企業溝通與培訓業務：
- 涵蓋常見企業專業術語、數字排列、英文縮寫、陳述句與設問句。
- 務必讓主講者在**一個完全不中斷的單一長鏡頭（Single Continuous Take）**中連續錄製完畢。
技術禁忌：嚴禁對訓練影片進行任何剪輯、跳剪（Jump Cut）或轉場拼接。神經網路深度依賴物理時間軸的連續動態來計算肌肉與骨骼關聯。若錄製中途口誤，主講者切勿喊卡，只需閉上嘴唇靜止 2 秒，重新複述該句即可。
2. 錄製強制法規授權聲明（Mandatory Consent）
為嚴防 Deepfake 偽造與肖像濫用風險，Hour One 在企業數位人開通前執行嚴格的授權驗證。在正式素材錄製完成後，主講者必須面向鏡頭清晰朗讀授權聲明：
"我叫 [法定姓名]，是 [公司全稱] 的 [職稱]。今天是 [年-月-日]。
我在此明確授權 Hour One 使用本段錄影與錄音素材，用於創建、訓練與託管我個人的高逼真度 AI 數位分身，
以用於企業內部合規授權的商務溝通與培訓教學影片製作。"
此段聲明將作為企業帳號激活專屬數位分身的必備法律憑證。
四、自檢清單：規格對照與避坑指南
| 檢驗項目 | 規範做法（建議落實） | 嚴重失誤（嚴格禁止） |
|---|---|---|
| 鏡頭光學 | 4K/1080p、恆定影格率（CFR）、手動鎖定曝光與對焦 | 自動對焦呼吸效應、自動曝光閃爍、手機可變影格率 |
| 燈光配置 | 柔光漫射三點佈光、獨立髮絲輪廓光 | 頂部單一螢光燈直射、面部陰陽臉、眼鏡嚴重反光 |
| 服裝選擇 | 啞光中性色系商務套裝、與背景對比分明 | 綠幕前穿綠色服裝、高對比細條紋引發摩爾紋 |
| 構圖取景 | 腰部以上半身中景、水平視線垂直正對鏡頭 | 俯角拍雙下巴、特寫切頭頂、人物嚴重偏向邊緣 |
| 視線錨定 | 視線始終平視鏡頭正中央或同軸提詞器 | 斜眼觀看側邊筆電、低頭閱讀紙本講稿 |
| 肢體動態 | 動作克制、雙手自然置於胸部以下、坐姿穩固 | 手勢高舉遮擋嘴唇與頸部、身體隨意左右晃動 |
| 說話節奏 | 句末自然閉唇停頓 1 秒、節奏穩重、咬字清晰 | 語速過快含糊不清、長句不換氣、房間回音過重 |
| 後製檔案 | 100% 原始長鏡頭原片直出、無任何剪輯修改 | 剪輯消除口誤產生的跳剪、添加磨皮濾鏡破壞肌理 |
五、素材交付、模型校準與業務部署
原始影片錄製完成後，保持原始編碼（ProRes 或高位元率 H.264/H.265，未壓縮音訊）透過 Hour One 企業專屬通道進行上傳交付。
1. 審核與訓練流程
- 自動化品質檢查：系統自動檢驗解析度、人臉關鍵特徵點辨識率、聲音訊噪比（SNR）與授權聲明完整性。
- 神經網路模型訓練：Hour One 雲端叢集啟動 3D 虛擬人網格與動態混合目標（Blendshapes）演算法，精準建立發音與臉部微肌肉的動態對應。客製化高級分身一般在 24 至 48 小時內完成校準。
- 企業內部驗收：模型上線後，管理員可輸入簡短測試文字，分別驗收陳述、演講與多語言合成效果。
2. 融入企業常態化影片生產管線
數位分身正式入庫後，企業即可開啟高效率影片產能：
- 微課程與知識庫沉澱：培訓團隊在 Hour One Reals 編輯台中，將講師數位分身與簡報投影、畫面錄製無縫混排，像排版簡報一樣快速產出教學影片。
- 跨國全球化宣導：直接貼上經翻譯的海外市場文案，講師形象即可同步以地道外語發表演講，消除跨文化溝通障礙。
- 無縫對接 LMS 系統：生成的全高畫質影片支援一鍵匯出為標準 MP4，直接部署至 Workday、Cornerstone、SAP SuccessFactors 等企業學習管理系統。
2025 年 5 月，全球數位平台巨頭 Wix 正式收購了 Hour One，將其前沿的生成式 AI 虛擬人底層技術與全球數位生態深度融合。對於企業決策者與人資培訓管理者而言，只要在前期素材錄製時嚴格把控工業級品質，就能一勞永逸地將專業個人的影響力轉化為全天候運行的數位資產。