同一条四分钟的视频，出镜的部分我用两种办法各做了一遍：花钱订的 HeyGen，和自己租云端显卡跑的 MiniMax H3。结论先说：两边标价差不多，但云端这条实际账单是 HeyGen 的 2.5 倍；不过在嘴型上，云端更像真人。下面是全部数字和三档判决。
▶ 视频直达：https://youtu.be/9bryrpicsJA
测试条件：同一张脸、同一段配音、同一份稿子
两种做法用的是同一张数字人形象图、同一段我本人声音的配音、同一份稿子。全部是我自己的账号和电脑上的实测。云端 MiniMax H3 这条要会写代码，普通人不容易直接用。
第一条路 HeyGen：13 积分，约 2.7 元
HeyGen 是国外的付费数字人网站。我订的是 125 元／月、600 积分那一档。出镜部分 106 秒，我自己在网页上操作，花了约 15 分钟，扣 13 积分，折合约 2.7 元。
HeyGen 的两个坑
- 动作要求那个框，只要写了字，积分就按两倍扣。
- 用照片建的形象只有头在动，没有手势。
第二条路 云端 MiniMax H3：35 次提交，估价 7.17 元
MiniMax H3 是一个开源视频模型，我租云端显卡按秒付费。它的标价和 HeyGen 差不多，一分钟都是一两块钱。但同一条片我前后提交了 35 次，折腾 1 小时 4 分钟，估价 7.17 元，是 HeyGen 的 2.5 倍（7.17 元是估价，不是账单原件）。
钱花在哪：三种返工
- 声音念到后面走样。
- 人被挪到画面正中，同一个人前后构图不一样。
- 有一句不照配音，自己重念。
后来我把这些返工原因写成了检查，每分钟出镜的花费从约 4 元降到 1.9 元，一分钟口播约 21 分钟做完。另外发现一个新坑：一段接一段往下生成，画质会越接越差，所以现在每段都用原图。
但是嘴，是云端赢
我把两边同一秒的截图并排看了 14 组：HeyGen 每一帧都是同一个往前嘟的嘴形；云端的张嘴、闭嘴、露牙各不一样，更像真人在说话。
第三条路：自己电脑跑，138 分钟
同一个模型放在自己电脑上跑，花费是 0 元，但要高配电脑（我这台是 128GB 内存的苹果电脑）。一条 58 秒的片，连返工跑了 138 分钟。
最后发出去的是哪一版
那条片最后发出去的，是 HeyGen 那一版。
三档判决
| 你是谁 | 怎么选 |
|---|---|
| 只想省事、每月做几条口播 | 订 HeyGen，动作框留空 |
| 会写代码、量大、在意嘴型 | 走云端，预算按标价的两倍多留 |
| 有高配电脑、不赶时间 | 自己电脑跑，0 元 |
订阅买的不是画质，是不用返工。
本文数据均为本人自己账号与电脑上的实测，不同账号、电脑、稿子结果会不同，请以自己的实测为准。本视频里的数字人形象为 AI 生成，旁白为本人声音的 AI 克隆。
上一篇：AI 克隆我的声音：CosyVoice 2、IndexTTS 2.5、VoxCPM 2、Voicebox 四个工具实测，我只留下一个
下一篇：OpenAI Codex 对 Claude Code：同一个活各干一遍，一个 100 分一个 49 分——49 分的那个拆穿了我的考场
更多真机实测视频，见 YouTube 频道「富爸爸AI实测」。
评论