虚拟形象（Avatar）指的是由 AI 驱动、可在屏幕或设备上实时呈现并做出表情、口型与动作的数字人物，它正从早期的静态数字分身，演进为能与用户实时对话的交互式界面。近期的进展集中在实时唇形同步、多语言切换和生成成本的快速下降，多家公司几乎在同一时间发布了相关产品。
虚拟形象近期进展
支持 97 种语言的实时唇形同步成为这一轮竞争的标尺。谷歌 Gemini 3.8 Live 推出 Live Avatar 在对话中直接呈现虚拟形象，theverge 的报道 也确认了同一功能，重点在于延迟被压到接近实时对话的水平。
面向开发者的开放方案同步出现。英伟达与 Meta 联合发布 Muse Realtime Avatar，强调推理效率优化；另有开源实时语音智能体 支持中英印语切换，LiveAvatar 则让语音智能体获得实时面部表情。
商业化侧，HeyGen 密集更新：上线 Avatar V API，定价 $0.05/秒，推出 Prompt-to-Avatar，可用一句话更换虚拟主持人造型，并补齐 专业语音克隆 等能力。Higgsfield 则推出 AI 网红工作室，把虚拟形象用于内容生产而非仅客服场景。
当前焦点与观察点
竞争焦点已从「像不像」转向「延迟够不够低、成本够不够便宜」。$0.05/秒 的 API 定价意味着一条视频或一场直播的数字人成本开始可被批量计算，这会直接改变内容团队和客服团队的采购方式。另一个观察点是语言覆盖：97 种语言的唇形同步一旦稳定，跨语种内容分发的门槛将明显下降。
风险与监管仍是变量。虚拟形象可以批量制造看似真人出镜的内容，身份冒用与合成内容的标注问题尚缺乏统一规则；HeyGen、谷歌等厂商虽在克隆语音和形象时要求授权，但跨平台的一致性验证并未解决。对使用方来说，短期值得关注的是实时延迟、单次调用成本，以及授权与合规流程，而非单纯追求形象的真实度。