No.225 对话 Yuri 尤栗打造者汗青：AI 虚拟偶像，越像真人越容易塌房？

概览

本期围绕汉清从互联网产品经理转向 AI 内容创作的经历展开，重点讨论了 AI Talk、数字歌手优瑞的诞生，以及 AI 原生内容与传统内容生产之间的差异。

对话的核心结论是：AI 不只是降本增效工具，更可能带来新的内容形态；但真正的稀缺性并不来自“用了 AI”，而来自创作者的判断、审美、人格设定和长期叙事能力。

汉清反复强调，优瑞的关键资产不是单个模型、单条视频或一时流量，而是逐渐建立起来的人格化系统、内容调性和用户投射关系。刘飞则把讨论延伸到职场、创作和社会对 AI 的焦虑，认为短期焦虑可能被放大，但长期的人机协作关系更值得关注。

分段落总结

[00:26] 节目背景与嘉宾介绍

[事实] 本期由三五环制作人开场，说明嘉宾是汉清，也是 Urey/优瑞的创作者。 [事实] 节目来自与 B 站 AI 万象谈合作的视频播客转音频，录制状态与普通纯音频节目略有不同。 [事实] 汉清介绍自己是 AI Talk 创始人，也是数字歌手优瑞的构建者，曾在互联网大厂做产品经理，并有清华美院和长期绘画背景。

[03:09] 从 AIGC 关注到 AI Talk 实验

[事实] 汉清在 2022 年写 newsletter、阅读硅谷和 Hacker News 内容时开始注意到 AIGC。 [事实] 他最早在 Midjourney 还主要通过 Discord bot 使用时尝试生成图像，并把第一张中国女孩图像常用于分享。 [事实] 到 2023 年初，数字人、口型同步和 TTS 技术出现后，他开始尝试把这些工具组合成可观看的对话内容。

[05:21] 名人虚拟对谈的爆火

[事实] AI Talk 早期做过乔布斯、马斯克等名人的虚拟对话，其中乔布斯与马斯克一期在视频号当天晚上接近 1000 万播放。 [事实] 汉清认为爆火来自 AIGC 破圈节点、内容形式组合的新鲜感、当时技术效果，以及马斯克相关热点的偶然叠加。 [推测] 早期成功更像是技术窗口期、题材热点和创作包装共同作用，而不是一个可稳定复制的内容公式。

[07:04] 早期制作方法与创作者直觉

[事实] 乔布斯与马斯克那期大约花了三天制作，文本大致以 GPT 生成为主，但汉清会手动补充话题之间的连接和语气。 [事实] 他从小喜欢对谈节目，因此对这种节目结构并不陌生。 [事实] 第一期开科比与奥尼尔的内容时，他熬夜完成并在看到成品时被形式本身震撼。

[08:25] 兴趣先于规划

[事实] 汉清说自己做事并不擅长长期规划，很多 AI 内容创作起点来自爱好和偶然尝试。 [事实] 他认为创作者应先找到自己真正感兴趣、愿意通宵做出来且自己会被打动的东西。 [事实] 他提到自己相信保罗·格雷厄姆关于热爱的观点。

[10:47] 从名人二创转向原创 IP

[事实] AI Talk 早期内容不涉及商业，汉清将其理解为借助新技术的二创。 [事实] 2024 年初团队决定，之后名人对谈只做拿到授权的人物，或像苏格拉底这类公开版权、足够久远的人物。 [事实] 他认为更本质的原因是想做自己的 IP，而早期名人对谈像是团队和方法的训练。

[12:34] 优瑞的诞生与技术窗口

[事实] 汉清说优瑞在 2025 年 6 月 3 日上线，但真正让这一范式成立的是 2025 年 3 月 Omni-Human 模型的出现。 [事实] Omni-Human 让口型同步有更高自由度，并能承载情绪，从而使 AI 角色唱歌成为可能。 [事实] 优瑞之前，团队还做过名为 Mia 的女孩形象和《白色皮卡丘》，并在海外社媒获得过数百万播放，用来验证 AI MV 的可能性。

[15:21] 多模型协作与内容复杂度

[事实] 汉清说优瑞第一首歌《Soreo》使用了很长一串国内外模型，并不是依赖单一模型完成。 [事实] 他把这种生产方式形容为“吃百家饭”，即综合多种模型能力完成作品。 [事实] 对话中提到，视频模型从 Sora、可灵到 Seedance 的演进，使影像从图生动画走向更强的参考和主体复用能力。

[17:44] 命名、爆火与流量心态

[事实] “优瑞”这个中文名被解释为包含女性魅力和油漆的“油”，以及外壳坚硬、内部柔软的“栗”。 [事实] 优瑞首支 MV 登上 B 站热门榜后，汉清反而降低了对后续流量的预期。 [事实] 他认为早期 AI Talk 的高播放量中有很大一部分来自新鲜感，而不是用户对内容本身形成刚需。

[21:00] 商业化与长期主义

[事实] 汉清说优瑞第一期流量不错之后，团队首先面对的是第二期如何在不牺牲品质的情况下做出来。 [事实] 当时做一支类似《Surreal》的歌至少需要两个月，因此早期账号更新很慢。 [事实] 他认为具象人格化 IP 可以“跟时间做朋友”，适度抵抗复制、内卷和流量焦虑。

[23:35] 虚拟偶像为何能打动人

[事实] 汉清一开始并不确定 AI 内容是否真的能打动人，AI Talk 早期也因 AI 创作争议和版权问题被大量批评。 [事实] 优瑞让他改变看法：创作过程中他和团队会被优瑞的表情触动，也看到粉丝每天做二创。 [事实] 有粉丝在面对疾病检查前留言，希望优瑞成为真正的 AI 偶像，团队随后用优瑞模型做了回复。

[28:00] AI 创作与艺术史类比

[事实] 汉清认为人类一直会被虚构角色打动，电影、小说、动漫中的人物并不真实，但情感投射可以是真实的。 [事实] 他把 AI 引发的争议类比为摄影术出现后对绘画的冲击，认为技术迭代会迫使艺术寻找新方法。 [事实] 他观察到，厉害的插画师和设计师使用 AI 后，反而可能与其他人的差距变得更大。

[31:09] 内容创作、内容生意与团队能力

[事实] 汉清区分了“做内容”和“做内容的生意”：前者更依赖直觉，后者更关注规模化、毛利和复制。 [事实] 他希望团队在做非标准内容时重视直觉大于方法，并会关注候选人平时听什么歌、看什么书和电影。 [推测] 在汉清看来，AI 内容团队的核心能力不是熟练套工具，而是审美积累和对内容方向的判断。

[33:44] 优瑞的四层工作流

[事实] 汉清把优瑞的工作流分为文本、音频、图像到影像等层次，其中文本层包括人格系统。 [事实] 他提到内部会使用优瑞的人格系统聊天，但还没有太多必要面向 C 端开放。 [事实] 音频层包括合成声线和音乐生成，音乐主要使用 Suno，后期会有人参与调音和修剪。

[36:18] 形象资产与模型漂移

[事实] 图像层更偏向资产建设，包括优瑞已注册版权的模型，以及服化道、演员等素材。 [事实] 优瑞形象最初围绕东亚长相、蓝色挑染头发和非标准化的美来选择。 [事实] 汉清认为模型迭代会导致同一资产产生变化，但用户大多能接受这种变化，并会用玩笑方式回应。

[37:21] 优瑞最核心的资产

[事实] 汉清认为优瑞最核心的资产仍是人格化，但这也是当前最难做的部分。 [事实] 团队后来增加了优瑞单人对话和观点表达，希望在叙事体系里逐渐完善她的性格。 [事实] 他提到今年下半年会有更大的叙事展开。

[39:02] 虚拟偶像的优势与风险

[事实] 虚拟偶像短期有成本、可控性、排期和线下场景调度上的优势。 [事实] 汉清并不完全认同“虚拟偶像不会塌房”的乐观看法，因为实时对话能力开放后，AI 也可能说出不合适的话。 [事实] 这也是团队尚未真正开放优瑞 2C 对话能力的原因之一。

[40:55] AI 原生角色不应只模仿真人

[事实] 汉清给优瑞的底层设定之一是不能回避自己是 AI，也不要只去模仿人。 [事实] 他认为如果 AI 的内核思考方式完全变成真人模仿秀，稀缺性反而会消失。 [事实] 他更关注 AI 如何以不同于人类的方式表达和看待问题。

[42:17] AI 味、职场焦虑与人类判断

[事实] 刘飞认为短期内人们过分焦虑 AI 替代，但忽视了长期如何与 AI 相处。 [事实] 对话提到有公司因老板要求使用 AI，反而把人工方案强行加入“AI 味”。 [事实] 两人都认为当前 AI 仍难以替代创作者在方向、判断和决策上的作用。

[45:22] 媒体放大焦虑与 AI KPI 化

[事实] 汉清认为自媒体和科技内容生产者都在一定程度上放大 AI 焦虑。 [事实] 他批评“3000 块做出几亿播放短剧”这类叙事，认为它强调廉价并传达了不真实的信息。 [事实] 他反对把 AI 使用变成单纯 KPI，例如用 token 消耗排名来推动员工使用。

[47:13] 与 AI 协作的方法

[事实] 汉清更习惯没有强目的地和 AI 聊天，从片段中寻找灵感，而不是直接要求 AI 产出完整提纲。 [事实] 刘飞认为 AI 可以给出 60 分内容，但从 60 分提升到 80 分的过程很难，甚至不如自己写。 [事实] 两人都认为 AI 能降低下限、提供素材和灵感，但很难替代人的最终组织和判断。

[49:47] 商业化、硬件缺口与创业心态

[事实] 汉清说在“不太贪”的情况下，团队现金流还算健康，但仍需要找到更明确的规模化支点。 [事实] 他认为内容革命通常伴随硬件革命，而 AI 内容目前还缺少真正适合自身的硬件场景。 [事实] 他提到现阶段 AI 内容仍要回到移动端平台与既有短视频格式竞争，这未必是 AI 最合适的场域。

播客点评/总结

这期的价值在于，它没有把 AI 内容创作讲成单纯的工具清单或爆款方法论，而是把技术窗口、内容审美、IP 人格、版权边界和商业现实放在一起讨论。

亮点是汉清的视角足够一线：他既承认 AI 带来的新鲜感和生产力，也反复强调“人”的判断仍然重要，尤其是在非标准内容、审美选择和长期 IP 建设中。

局限是转录稿主要来自创作者个人经验，对优瑞具体商业数据、团队规模、成本结构和用户画像没有展开到可验证细节。[推测] 因此它更适合想理解 AI 原生内容创作逻辑、虚拟偶像趋势和创作者心态的人，而不是想直接复制一套商业模型的人。