TikTok 居然在没打招呼的情况下直接给品牌创始人做了个 AI 克

这种操作真的挺离谱的，一个卖糖果的品牌方突然发现自己的创始人出现在 TikTok 的广告里，但那根本不是真人拍摄的，而是平台直接用 AI 搓出来的一个克隆体。最关键的是，品牌方压根不知道这回事，直到广告投出去之后才被告知。

从技术实操角度看，这其实是典型的多模态生成流。平台端应该是有该创始人的历史视频素材，通过提取面部特征和声音样本，跑了一个数字人模型，然后直接把广告文案喂进去生成了视频。这种“效率至上”的逻辑在平台侧看来可能是给商家的惊喜，但对于品牌方来说，如果 AI 生成的口型不对或者语气违和，很容易造成品牌形象崩塌。

如果想在自己的工作流里实现类似的效果，但又想掌握控制权，我建议走这条实操路线：

一、素材采集与预处理
先准备 2-5 分钟的高清正面说话视频，背景要干净，光线均匀。用 FFmpeg 把音频提取出来，确保没有背景噪音，这样喂给克隆模型时的拟合度最高。

二、模型训练与驱动
目前比较稳的方案是使用 LivePortrait 或者类似的面部驱动框架。你可以尝试把静态照片作为基准图，用驱动视频的表情流来控制面部肌肉，这样比纯文本生成视频要自然得多。

三、音频克隆与对齐
声音部分可以用类似 ElevenLabs 的方案，上传 1 分钟样本做 Voice Cloning。最后通过 Wav2Lip 这种工具把生成的音频和视频口型进行强制对齐。

# 这是一个简单的 Wav2Lip 运行示例参考
python inference.py --checkpoint_path checkpoints/wav2lip +options.cudnn_benchmark=True --face "founder_video.mp4" --audio "ai_voice.wav" --outfile "result.mp4"

这种被平台“强行”AI 化的经历其实给所有做品牌的人提了个醒：在签署平台服务协议时，得仔细看看关于素材使用权和 AI 生成权的条款，不然以后可能发现自己已经在网上“代言”了无数个产品，而自己根本没收到钱。