当AI客服和智能助手正从纯文本对话向视频交互演进时，一家初创公司正试图解决数字人（Digital Avatar）领域最棘手的难题——如何让虚拟形象看起来既真实又自然，彻底摆脱僵硬和诡异感。最新市场消息显示，专注于视频生成式AI的Lemon Slice公司近期完成了1050万美元的种子轮融资，其核心武器是一个名为Lemon Slice-2的扩散模型（Diffusion Model），号称仅凭一张图片就能生成可用于实时交互的数字人。
技术突破：从单图到实时视频的跨越
Lemon Slice-2模型的核心能力在于其端到端的视频生成架构。该公司在一份技术文件中披露，这是一个拥有200亿参数的视频扩散变换器（Video Diffusion Transformer）模型，与业界熟知的Sora、Veo3等顶级视频生成模型属于同一技术路线。其最大特点是通用性强，不仅能生成高度拟人化的形象，也能创造各种非人类角色，如卡通形象或游戏角色。
更关键的是其部署效率。该模型声称仅需单块GPU即可实现每秒20帧的实时视频流生成，这为将其集成到各类在线应用（如教育平台、电商客服、心理健康支持系统）中提供了可能。公司通过API和可嵌入小组件的形式提供服务，企业只需一行代码即可接入。
行业痛点与“恐怖谷”效应
数字人技术并非新鲜事物，但长期以来其应用体验饱受诟病。行业分析普遍认为，多数现有方案存在明显的“恐怖谷”（Uncanny Valley）效应——即形象看似逼真，但细微的表情、口型或动作不协调会引发用户的不适与疏离感。
“现有的许多数字人方案实际上是在给产品减分，”一位接近该项目的业内人士评论道，“它们可能在静态展示时看起来不错，但一旦开始交互，那种僵硬和不自然的感觉就会立刻显现，无法让用户感到放松和信任。这正是数字人技术未能大规模普及的核心障碍。”
Lemon Slice的解决方案是摒弃针对特定场景的定制化模型，转而采用基于海量数据和算力进行规模化训练的通用模型路径。这种被AI界称为“苦涩教训”（The Bitter Lesson）的方法，已在文本、图像生成等领域被证明是通向更高性能的可行之路。
竞争格局与市场应用
数字人及视频生成赛道已相当拥挤，既有D-ID、HeyGen、Synthesia等专注于视频生成的玩家，也有Genies、Soul Machine、Praktika等数字人制作平台。Lemon Slice的差异化优势在于其技术路径的通用性和扩展性。
- 技术架构优势：作为通用模型，其性能理论上没有上限，可通过持续训练不断逼近照片级真实感。
- 应用灵活性：支持人类与非人类角色，适用于教育、语言学习、电商导购、企业培训等多种垂直场景。
- 安全与合规：公司表示已建立防护机制，防止未经授权的面部或声音克隆，并利用大语言模型进行内容审核。
目前，该技术已在小范围测试中应用于教育、企业培训等领域。投资方认为，在视频内容日益成为主流学习与沟通媒介的今天（例如人们更倾向于通过YouTube而非长文学习），高质量、可交互的数字人拥有巨大的市场潜力。
融资详情与未来规划
本轮1050万美元的种子轮融资由知名风险投资机构Matrix Partners和创业孵化器Y Combinator领投，Dropbox首席技术官Arash Ferdowsi、Twitch联合创始人Emmett Shear以及音乐组合The Chainsmokers等个人投资者跟投。
融资将主要用于三方面：扩充工程与市场团队、支付高昂的模型训练算力成本，以及加速产品市场推广。这家目前仅有8名员工的初创公司，正计划将其技术推向更广阔的商业市场。
行业影响与未来展望
Lemon Slice的融资与技术路线，标志着数字人赛道正从“形象制作”向“智能体（AI Agent）交互”深度演进。其意义不仅在于让虚拟形象更逼真，更在于为AI智能体提供了一个具身化的视频交互界面，使其能扮演客服、教师、顾问等多种角色，从而大幅提升在线服务的沉浸感与信任度。
然而，挑战依然存在。除了需要持续投入巨资以追赶视频生成模型的快速迭代，如何确保生成内容的安全、合规，并找到真正具有高粘性和商业价值的落地场景，将是其能否从技术演示走向大规模应用的关键。如果Lemon Slice能如其投资人所言，真正突破“恐怖谷”甚至通过“数字人图灵测试”，那么它或许将重新定义人机交互的下一站。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
相关文章
暂无评论...