D-ID

這是什麼、解決什麼問題

D-ID 是以色列公司，做的事情從「讓一張照片開口說話」起家。你上傳一張人臉照片、給它一段文字或音檔，它輸出一支那張臉在講話的影片。這個技術當年在網路上爆紅過一輪（老照片動起來、歷史人物開口），但公司後來把重心整個往企業端搬。

2026 年的 D-ID 已經不太像當年那個玩具。官網現在的產品線是：Visual AI Agents（可即時對話的視覺化 AI 客服）、AI Avatars、AI Videos、Agentic Videos、Video Translate，加上老牌的 Creative Reality Studio 網頁編輯器。它想解決的問題變成：企業要做大量教學影片、客服互動、銷售 demo，但請真人拍攝太貴、改一句台詞就要重拍，那不如做一個永遠不用重拍的數位分身。

有兩件事一定要先講清楚，因為會影響你怎麼看這家公司：

第一，D-ID 在 2025 年 9 月 16 日宣布收購柏林的老牌解說影片公司 simpleshow，金額未公開，併購預計 2025 年第四季完成。合併後以 D-ID 品牌營運，兩邊合起來約 140 名員工、1,500 家以上企業客戶（Adobe、微軟、Bayer、HP、T-Mobile、麥當勞、eBay、德意志銀行等），辦公室在柏林、特拉維夫與美國。是 D-ID 買下 simpleshow，不是相反。 D-ID 自己宣稱收購後年化營收成長 250%。

第二，2026 年 3 月 16 日 D-ID 推出 V4 Expressive Visual Agents，換成擴散模型架構、用真人演員的表演資料訓練，官方宣稱對話輪次延遲低於 0.5 秒、唇形同步準確度大幅提升、最高支援 4K。緊接著 4 月 23 日又推出 Agentic Videos，把 AI agent 直接嵌進影片裡，觀眾看影片的當下就能語音或文字提問。

實際用起來

Creative Reality Studio 的流程很直白：選 presenter（官方預設頭像庫）或上傳自己的照片、貼腳本、選語音、按生成。等個一兩分鐘就有影片。門檻低到我覺得任何一個行政人員都能上手，這是 D-ID 相對 Synthesia 那種「企業級專案管理」介面最大的優勢——它就是快。

但幾個計費規則你一定要先知道，官網 FAQ 寫得很清楚，只是位置藏得有點深：

• 影片長度會無條件進位到最近的 15 秒。一支 1 分 10 秒的影片，扣你 1 分 15 秒。這聽起來沒什麼，但你如果在做 20 秒一則的短影音，每則都被進位到 30 秒，實際可用時數直接砍半
• 每月分鐘數不累積。用不完就作廢，隔月歸零。這對「這個月沒案子、下個月一次爆量」的接案者非常不友善
• API 用掉的分鐘數跟網頁版共用同一個額度池。你不能以為訂了 Studio 方案就多一份 API 用量

浮水印政策也講得直接：Trial 和 Lite 方案的影片會有浮水印，試用版更是全螢幕浮水印。官方把這個掛在自家的倫理宣言底下，說法是「讓觀眾知道這是合成內容」。我認為這個立場站得住腳，只是實務上代表 Lite 方案基本上不能拿來做對外交付。

語音端，D-ID 預設走 Microsoft Azure 的 TTS，Pro 以上方案可以用 ElevenLabs 的高階語音，另外還接了 Amazon Polly（官方文件自己標註「多數場景不推薦」，這種誠實我給個讚）。官網宣稱支援 119 種語言。

Agents 那條線是這一兩年真正的重點：你可以把一個視覺化角色接上自己的知識庫和 LLM，放到網站上當即時客服。V4 宣稱的 sub-0.5 秒延遲如果穩定，體感確實接近真人視訊。但這類即時串流的實際表現非常吃網路品質，跨太平洋連線會不會掉到那個數字，官方沒有給亞洲區的實測數據。

定價與方案

查證日期：2026/07/26。 同樣先聲明：d-id.com/pricing/studio/ 的價目表是 JavaScript 動態載入，抓不到原始文字。以下 Studio 價格來自多家第三方比價站交叉比對，FAQ 規則則是我從官網原始 HTML 直接讀到的，可信度較高。

Studio 方案（第三方交叉比對，僅供參考）

• 免費試用：14 天，約 3 分鐘影片 + 10 分鐘串流，全螢幕浮水印
• Lite：月繳 $5.90 / 年繳約每月 $4.70，約 40 credits（換算約 10 分鐘影片），有浮水印
• Pro：月繳 $29 / 年繳約每月 $16，約 60 credits（約 15 分鐘）
• Advanced：月繳 $196 / 年繳約每月 $108，約 400 credits（約 100 分鐘）
• Enterprise：客製報價，無限影片分鐘數、campaign / agent / API 客製用量、進階資安、專屬支援

官方另有獨立的 API 定價頁與 Enterprise 定價頁。V4 Expressive Visual Agents 官方宣布「所有方案都能用，最低從每月 $5.90 起」；Agentic Videos 也是全方案開放，走 credit-based 計費。

把數字攤開來看會發現一件事：Pro（$29 / 15 分鐘）換算下來每分鐘接近 $2，而 Advanced（$196 / 100 分鐘）約每分鐘 $2。這個級距曲線並不隨用量下降，換句話說 D-ID 的規模折扣要到 Enterprise 才談得到。

優點

• 上手速度是這類工具裡的頂標：上傳照片、貼字、生成，三步驟結束，不需要學專案結構或時間軸
• 照片轉說話影片這件事本業做得穩：一般人像照的唇形與微表情自然度長期在第一梯隊，V4 換擴散模型後又拉了一段
• 即時對話 agent 是差異化強項：sub-0.5 秒的對話延遲配上視覺化角色，這條產品線競品做得完整的不多
• Agentic Videos 是有想法的產品：把 AI agent 塞進影片裡讓觀眾邊看邊問，這不是換皮功能，是重新定義影片這個載體的互動方式
• 企業客戶名單與合規具說服力：1,500 家企業客戶、簡報級 Fortune 名單，加上收購 simpleshow 拿到的企業內訓渠道
• API 文件寫得誠實：連自家接的 Amazon Polly 都標「多數場景不推薦」，這在廠商文件裡很少見

缺點與限制

• 15 秒無條件進位對短影音是隱形加價：做 20 秒短片被算 30 秒，實際單價比帳面貴 50%，官方 FAQ 有寫但寫在很後面
• 分鐘數不累積、隔月歸零：接案節奏不平均的人會固定浪費額度
• Lite 方案帶浮水印：$5.90 那檔基本上只能自己看，真要交付客戶最低得跳到 Pro
• 價格級距不隨用量遞減：Pro 與 Advanced 換算下來單價幾乎一樣，用量成長拿不到規模效益，除非談 Enterprise
• 官網定價頁純 JS 渲染：機器讀不到、比價困難，跟 Murf 同一個毛病
• 全身動作與場景仍受限：它的本質仍是「臉在說話」，不是全身表演；要做走動、手勢、換場的影片，這不是對的工具
• 即時串流的亞洲區表現未公開：官方延遲數字沒有標註測試地區，台灣使用者的實際體感需自行測試

適合誰、不適合誰

適合：企業內訓與 HR 團隊（尤其收購 simpleshow 後這塊的整合更完整）、需要在官網放視覺化 AI 客服的品牌、要把同一份簡報做成多語版本的跨國團隊、以及做 B2B 銷售 demo 影片的行銷部門。個人創作者想快速做一支「虛擬主播念稿」的影片，Pro 方案也划得來。

不適合：做劇情、需要全身動作與場景切換的影像創作者；預算敏感又要大量產出的短影音團隊（15 秒進位規則會吃掉你）；追求「完全看不出是 AI」的高階廣告製作。另外，任何想拿別人照片做影片的人請停手——這是肖像權問題，不是技術問題。

替代方案

• HeyGen：目前 AI 頭像影片的市佔領先者，數位分身（用自己的影片訓練）品質與翻譯對嘴功能都比 D-ID 完整，中文表現也更好。缺點是價格較高、免費額度更緊
• Synthesia：企業內訓場的老大哥，多語言、多場景模板、團隊協作與品牌控管最完整，SOC 2 / ISO 齊備。缺點是介面重、起價高、不適合個人
• Hedra：新一代角色影片生成，表情與情緒豐富度是強項，做創意內容比 D-ID 有趣。缺點是企業功能與客服支援尚未成熟
• Vidnoz / Akool：走低價路線，免費額度給得大方，適合預算極度有限的測試階段。缺點是輸出品質與穩定度落差明顯，商用要謹慎

台灣觀點

介面沒有繁體中文，全站英文。這對台灣行銷、HR 團隊來說算不上大障礙，但要導入給不熟英文的同仁自助使用，得先做一份內部操作說明。

語音端有好消息：D-ID 預設的 TTS 供應商是 Microsoft Azure，而 Azure 的語音庫本身就有台灣華語（zh-TW）的神經語音，唸繁體中文腳本的腔調是台灣人聽得慣的那種。這一點比 Murf 的處境好非常多。但要注意 ElevenLabs 的高階語音綁 Pro 以上方案，Lite 用戶只能用標準語音，中文表現會有落差。實際選語音時記得在下拉選單裡確認地區標籤，不要選到 zh-CN。

付款一律美元，台灣信用卡會被收約 1.5% 國外交易手續費。年繳雖然便宜四成以上，但 Advanced 年繳一次要刷約 $1,296，公司採購請先走完流程。官網沒有台灣本地發票機制，報帳走海外電子收據。

在地使用情境我覺得最實際的三個：一是補習班／線上課程平台，把講師的一張照片做成多支課程導覽影片，講師不用進棚；二是電商品牌的產品說明影片，同一支腳本快速生成中英日三語版本；三是官網的視覺化客服 agent，接上自家 FAQ 知識庫。

常見踩雷。第一個是 15 秒進位——台灣團隊很愛做 15 到 30 秒的社群短片，這個規則對你們特別不利，做預算時記得把實際分鐘數乘上 1.3 到 1.5。第二個是額度歸零，很多人年繳之後前三個月忙別的事，等於白繳。第三個也是最嚴重的：拿別人的照片（包括藝人、公眾人物、自家員工未取得同意的照片）生成說話影片，在台灣可能同時涉及《民法》肖像權與《個人資料保護法》，2023 年後主管機關對深偽內容的態度越來越嚴。用自己的臉、或用官方預設頭像庫，是唯一安全的做法。

TheAI學院 評語

D-ID 已經完成了一次相當漂亮的轉身。從「讓老照片開口說話」的網路奇觀，變成一家有 1,500 家企業客戶、剛吞下柏林 simpleshow、把即時對話 agent 做進 sub-0.5 秒延遲的企業軟體公司。V4 換擴散模型、Agentic Videos 把 agent 塞進影片裡，這兩步棋都不是換皮，是真的在往「互動式影片」這個還沒定型的市場插旗。

扣分的地方也很具體：15 秒無條件進位、分鐘數不累積、Lite 帶浮水印、價格級距不隨用量遞減。這四條加起來，讓它的實際成本比帳面高一截，而且高得不透明。定價頁還是純 JS 渲染，比價體驗跟 2020 年沒兩樣。

如果你要的是「臉在說話」這個特定形狀的影片，加上一個能即時對答的視覺化角色，D-ID 目前是最順手的選擇之一。如果你要的是完整的 AI 影片製作，HeyGen 和 Synthesia 的護城河還是比較寬。

從網路奇觀變成企業軟體，D-ID 這一轉身轉得漂亮——但那個 15 秒無條件進位，做短影音的人請先算過再刷卡。