把教案课件丢进秘塔学点啥,自动生成高级感满满的讲课数字人

人工智能，日日技术革命！最近请教赛，有老师问我：课件都能让 AI 排了，那课能不能也让 AI 讲？我当时说，能，但得花钱找人做。

今天我把这句话收回来。现在只要把教案传上秘塔“今天学点啥”，挑一张自己的照片，等几分钟，就能出来一段「你在讲」的视频——口型对得上、字幕配好了、一节课被切成好几集。整个过程不用出镜，不用录音，不用碰剪辑软件。

https://metaso.cn/study

来来来，先看动图。下面这一段，是秘塔「今天学点啥」官网上公开课程里的一小截，四秒多，没有剪辑、没有加滤镜，就是原样截下来转成的 GIF。

画面里这位讲师不是真人出镜，是数字人；字幕是自动跟读出来的

第一次看到的时候，我盯了三遍才敢确认：手臂的摆幅、说话时的点头、眨眼频率，都已经过了「一眼假」那条线。当然，看久了还是能看出规律——这个后面再说。

再给你看生成结果的另一面：它不是一个长视频，是一门被拆好的课。

一门课 110 集、5 个问题域，每集四分钟上下，模块之间还有编号

这一屏信息量很大，我拆给你看：一节 4 分 17 秒，标题是「100 美元成本不到 1 毛钱，钱到底凭什么值钱」，下面五个模块分别 25、28、26、18、13 讲，加起来正好 110。它不是把一节课切成十段，它是先把一门课排成目录，再一讲一讲录。

「数字人」这个词被讲得很玄，其实拆开就三件事：

第一，脸。用一段视频训练出你的形象模型，或者直接用一个内置形象。现在这一步已经简化到「上传一张正脸照」就能跑。

第二，嘴。你写好的文字先转成语音，语音再驱动嘴形。所以口型对不对，取决于你写的话是不是「能读出来的话」——这一条后面会反复用到。

第三，画面。每一页 PPT 作为背景，数字人放在画面一角或者正中，切页的时候做一个转场，字幕自动跟读。你以为的「AI 讲课」，本质是「配了音的分页幻灯片 + 一个会动的人」。

想通这三点，你就知道力气该往哪儿使了：不在脸，在讲稿。脸是它给的，话是你给的。

「PPT + 数字人 → 讲课视频」这条路，其实已经走了好几年，教育一直是它们重点宣传的场景。市面上比较常见的有这么几家：

我这次用的是最后一家，理由很实在：它把「拆课」这件事也一起做了。

一、把你口头禅写进去。「这事儿啊」「你注意看」——这些词在纸面上是废话，在视频里是人味。全篇都是标准书面语的数字人，听着像新闻联播，不像你。

二、每三句留一个停顿。数字人不会喘气，你得替它留。加一个句号、换一段，它就停半拍。没有停顿的讲解，听两分钟人就累了。

三、别让它「指图」。它没有手，指不了你 PPT 上那个角。凡是需要指示的地方，要么把那部分单独放大成一页，要么在 PPT 里加个箭头动画。「如图所示」这四个字，是数字人最大的坑。

我第一次生成的那一集，三处都错了：讲稿是 PPT 原文、语速一路不带停、还写了三句「大家看这张图」。学生看完给的反馈只有一句——「老师，这个是机器人吧？」

改完这三处，第二版拿给同一批学生看，没有人再提「机器人」这个词。他们只是说：这一集比上课讲得清楚一点。——听见这句话的时候，我心里是有点复杂的。

一、肖像权。只能用你自己的照片。学生的、同事的、网上找的，一律不行——哪怕只是「试一下」也不行。生成的视频一旦发出去，收不回来。

二、声音克隆要授权。声音在法律上算人格权的一部分，别人的声音不能拿来克隆，自己的声音借给别人用也要写清楚。这一条很多工具在注册协议里写了，但没人看。

三、竞赛和公开课，别拿它当替身。不少比赛明确要求本人出镜、说课要现场。用数字人去交作品，一旦被发现，性质就不是「技术」问题了。

四、公式、板书、实验，它讲不清。数字人擅长「说」，不擅长「演」。要推导、要画图、要做实验的地方，老老实实用动画或者实拍，别硬塞给一张会说话的脸。

这类工具的通病，其实行业内早就说得很清楚：手势和表情偏模板化，看久了会单调；单向视频，学生提问它答不了；形象克隆绕不开肖像授权。我的体感跟这个判断一致。

所以它适合的位置，不是「替你上课」，而是这三处：

课前预习。把学生最容易卡住的那一节做成四分钟，课前发群里。你上课就不用从零讲起，可以直接问「哪一段没看懂」。

课后补差。同一份讲稿，学生想听几遍听几遍。这件事真人做不到，数字人可以——它不会因为被问第三次而不耐烦。

临时顶一节课。出差、生病、调不开，录好的视频能顶上一节复习课。但一定要跟学生说明这是录播，别装成现场。

三条边界也得说清楚：它替代不了答疑、替代不了眼神、替代不了临场的那句「你怎么了」。这三样恰恰是学生记你记得最久的部分。

有一点我原本没想到：学生对「这是 AI 讲的」接受度，比对「这是录播课」高得多。他们刷短视频长大，对着一张会动的脸听讲解，比对着一个卡住的录屏舒服。前提是你别装——第一句话就说清楚这是 AI 生成的，后面反而没人挑刺。

我自己的定位是：把「重复讲」的部分交给它，把「只能我讲」的部分留给自己。这句话也可以反过来说——凡是你讲第五遍还想讲的，才值得做成视频。

第一步，挑最难讲的那一节。不是最好讲的，是最难讲的——因为那一节最需要「再讲一遍」。做完这一集，你就知道这套东西值不值得你继续。

第二步，找三个学生看，只问一句：听懂了吗？别问「做得怎么样」，他们会客气。问「哪一句没听懂」，你才知道讲稿哪里还像 PPT 而不像话。

第三步，再批量。有了第一集的模板——讲稿的语感、页面的节奏、停顿时长——后面十集只是复制。这一步之前，先别买会员。

最后补一个省钱的办法：写讲稿这件事，可以交给 AI 先改一版口语。把 PPT 上的字贴进去，让它「改成像老师跟学生聊天的话，一句不超过二十五个字」，你自己再顺一遍。WorkBuddy 的教育公益版每月两千积分，拿来调 DeepSeek 这类模型改讲稿完全够用——写稿用便宜的，配音生成用平台自带的，别在不需要的地方烧钱。

文中动图与课程截图，截取自秘塔「今天学点啥」（metaso.cn）公开课程页，仅用于说明功能效果，未做任何修改或合成；画面中人物为该平台生成的数字人形象。

文中工具横评为个人使用体感，功能与价格以各平台当期说明为准；涉及肖像、声音克隆的部分，请务必取得本人书面同意，并按本校与当地规定执行。

本文不构成对任何平台的推荐，也不建议将数字人视频用于要求本人出镜的竞赛、评审与公开课。