DeepBrain AI

定义

DeepBrain AI是韩国生成式人工智能企业，其核心业务是用人工智能合成人像与声音，产出可播出的视频内容^[1]。公司最知名的产品是订阅制云端平台AI Studios，属于文本转视频（Text-to-Video）工具，用户输入脚本、提示词、文档或网址，系统即自动生成包含虚拟主播、旁白、字幕与背景素材的视频^[2]。这类虚拟主持人在韩国被称为"AI Human"，在美国等地则多称"AI Avatar"。

DeepBrain AI把AI视频生成、可实时对话的互动数字人与深度伪造检测整合在同一套产品体系内^[3]。其技术特点集中在口型同步，即让虚拟形象的嘴部动作与所讲语句逐一对应，公司称其合成视频与真人素材的相似度达到96.5%^[4]。

原理

平台的基础是把真人影像与语音数据作为训练素材，通过深度学习提取面部特征、皮肤质感与表情变化，再生成与真人高度相似的虚拟形象^[5]。合成时，系统先将输入文本转为语音，再让虚拟形象的唇形、头部姿态与手势与语音节奏对齐，最终渲染成视频^[2]。

口型同步是这类系统中最关键也最困难的环节，难点不在静态面容的还原，而在于让面部逐帧、实时地按发音改变口型^[4]。此外平台还配有文字转语音模块，可调用上千种合成音色，并支持用一段短录音克隆使用者本人的声音^[6]。

AI Studios的工作流程大致可表示为：$文本或文档 \rightarrow 脚本与场景草稿 \rightarrow 语音合成 \rightarrow 口型与手势对齐 \rightarrow 视频渲染$。生成后用户可在编辑器内调整字幕、时间轴、背景与画面版式^[7]。

发展历程

公司由张世英（Eric Se-young Jang）于2016年6月创办，最初名为MoneyBrain，业务起步于面向金融服务的深度学习对话机器人^[8][9]。2019年，公司在国际人工智能展会上公开了以合成技术制作的公众人物影像，此后又推出AI新闻主播与历史人物形象，开始受到关注^[5][10]。

2021年公司更名为DeepBrain AI，同年完成由韩国产业银行领投的4400万美元B轮融资，估值约1.8亿美元^[9][4]。2021年下半年，订阅制平台AI Studios正式全球上线，最初提供28个AI模型，覆盖韩语、英语、中文与日语。

2022年2月，公司在美国硅谷帕洛阿尔托设立分支机构，中国上海的分支机构则于2020年6月成立，韩国本部主要承担研发^[8]。同年公司推出AI追思服务re;memory，并凭AI Studios获得国际消费类电子产品展览会（CES）创新奖^[1]。2023年9月，AI Studios发布3.0版本^[8]。2025年，AI Studios在G2评选的"最佳AI软件产品"榜单中位列第22名^[11]。

公司还建立了面向公共机构的定制版本。据韩国媒体报道，DeepBrain AI为韩国国民年金公团搭建了"NPS AI Studio"，用于内部宣传与教育内容制作，并支持中小企业制作多语种海外推广视频^[12]。

应用

在金融领域，公司的AI数字人被部署在银行网点与移动应用中，以虚拟柜员或自助终端的形式开户、兑换货币、缴纳账单并解答客户问题，韩国多家银行采用了这一方案^[2]。在新闻播出场景中，AI主播可承担突发新闻播报与全天候节目制作，公司称其虚拟主播金珠夏自2020年起已用于新闻节目。

教育是另一个重点场景。网络大学利用该平台制作讲座视频，教师无需逐次录制即可产出课程内容；培训场景中还可将幻灯片、PDF等文档自动转为带讲解的视频，并在播放过程中插入测验以跟踪学习完成情况^[13]。企业培训则借助多语种配音把同一段视频转成多种语言版本，降低本地化成本^[13]。

较早的一项特殊应用是AI追思服务re;memory。该服务经家属同意后，利用逝者的照片与录音素材生成虚拟形象，供家属在纪念场合观看；其第二代版本re;memory2只需一张正面照片和约10秒的语音即可完成制作，不再需要本人前往影棚拍摄。

公司的深度伪造检测工具被用于识别篡改的视频、图像与音频，据其披露已交付韩国警察厅与国立科学搜查研究院使用^[2]。

局限

虚拟形象的表现力仍有边界。第三方评测指出，平台上的形象虽然质量较高，但动作与神态较为趋同，手势库和表情范围有限，需要表现复杂情绪时效果会打折扣^[14][15]。自动生成的内容也需要人工校对，例如由主题或网址直接生成的脚本，其连贯性和准确性并不稳定^[15]。

语言与配音能力的具体数字在不同资料中并不一致：官方页面对配音语种数的表述有73种、110种、150多种等多个版本，较早的宣传材料则称服务在10多种语言下运行、形象可呈现上百种语言^[7][6][8]。这类指标随版本更新而变化，难以按单一数字认定。

成本与培训门槛构成另一重限制。定制形象需先录制素材并等待数小时至一天的训练时间，各套餐对可创建的自定义形象数量有上限；生成积分与配音时长按计费周期重置，超额使用需另行购买^[15][7]。免费方案限制更多，包括视频数量上限、分辨率和可见水印，且不含带口型同步的配音功能^[7]。

使用他人面孔与声音涉及授权问题。平台要求使用者自行确保拥有相应权利或已取得明确同意，名人形象会被拦截；输入素材与第三方内容的授权责任由使用者承担^[7]。就技术本身而言，合成人像与声音的逼真程度提升后，也带来身份冒用与虚假信息传播的风险，这正是同类产品进入播出、金融等场景时面临的主要争议点^[2]。

参见

• 文本转视频 —— AI Studios生成内容所依托的技术路线

• 语音合成 —— 平台为虚拟形象配音并克隆声音的基础技术

• 深度学习 —— 提取人脸与语音特征、训练虚拟形象的方法

• 深度伪造 —— 合成影像技术被滥用后产生的现象，公司另设检测工具加以识别

• 虚拟数字人 —— AI数字人所属的技术与产品类别

• Synthesia —— 与AI Studios处于同一赛道的国际同类平台