数字人

什么是 AI 数字人

数字人不是「让照片动一下」。它把你的声音和一张人脸合成一条对得上口型的视频：音频按音节切分，嘴型跟着音素走，头肩的轻微起伏也随之匹配——所以看起来像本人真的在讲这段话。

适合产品讲解、课程口播、多语言账号的批量内容、企业内训这类「真人出镜成本高、但每期都要拍」的场景。要的是稳定更新，不是单条爆款。

三步生成一条数字人口播

1. 上传照片

   单人正脸照效果最好，png / jpg / webp 均可。脸要清晰、光线均匀，别用侧脸或多人合照。

2. 写口播内容或上传录音

   写文字由平台配音（可选音色、可试听），也可以直接上传自己录好的 mp3 / wav / m4a。配音时长决定成片时长。

3. 选画质并生成

   选 720p 或 1080p，页面先给出这次要扣的积分，确认后提交。通常 40 秒到 2 分钟出片，关掉页面也不会中断。

怎么算钱

按成片秒数计费，配音的积分单独列出。文字模式下页面给的是含配音的总价，上传录音则按音频时长算。积分不够时任务会被保存下来：配音已经做好、价格已经锁定，充值后点「继续生成」就能接着做，不用重跑配音。生成失败自动退还。

常见问题

照片有什么要求？能用多人合照吗？

只处理单个人物。建议用光线均匀的正脸半身照，脸不要被遮挡、不要有大角度侧脸。多人合照里系统无法确定要驱动哪张脸。

文字配音和上传音频，选哪个？

想省事就用文字模式，平台配音、可选音色并能试听；对语气和断句有要求就自己录，上传 mp3 / wav / m4a。两种模式计费口径不同：文字模式含配音积分，上传音频按音频时长算。

积分不够会白做吗？

不会。文字模式下系统先合成配音并锁定报价，再把任务挂起；充值后回到本页点「继续生成」就能接着出片，配音不用重新生成，也不会重复扣费。

成片多久出来？关掉页面会丢吗？

通常 40 秒到 2 分钟。任务在后端跑，关掉页面、换设备都不影响，回来在素材库能看到结果。