全身动作数字人教程一张照片｜一段本人录音
生成全身动作口播视频
照片用于克隆人物形象，录音用于克隆本人声音，口播文案用于驱动口型、表情、手势、全身动作、动态场景和镜头变化。
不是让照片简单说话，而是克隆形象与声音
人物照片、本人录音和口播文案承担不同任务，三者共同决定最终数字分身视频的效果。
根据照片中的面部、发型、服装和身体轮廓生成对应人物形象。半身或全身照片能提供更完整的姿态信息。
根据清晰录音复刻本人音色和声音特征，使人物使用本人声音表达新的口播文案。
根据文案语义生成口型、表情、手势和身体动作，并协调动态场景与镜头变化。
重要区别：无需提前拍摄数分钟训练素材，也不必长期绑定一个固定数字人。每次生成均可重新提交新的授权照片和本人录音，独立克隆对应的形象与声音。
普通照片说话、传统数字人定制与全身动作生成有什么不同？
三种方案都可能被称为数字人，但人物来源、声音来源、动作范围和付费方式并不相同。
| 比较项目 | 普通照片说话 | 传统数字人定制 | 本页介绍的生成方式 |
|---|---|---|---|
| 人物形象 | 让静态照片产生嘴部或头部运动 | 拍摄训练素材后制作固定数字人 | 每次通过照片克隆人物形象 |
| 人物声音 | 平台音色或外部配音 | 提前制作并长期使用固定声音 | 每次通过本人录音克隆声音 |
| 动作范围 | 嘴部、眨眼和头部为主 | 按照固定底板或预设动作播报 | 表情、手势和全身动作协同生成 |
| 画面表现 | 背景和镜头通常固定 | 模板或演播室场景 | 支持动态场景与镜头变化 |
| 更换人物 | 可以更换照片 | 通常需要重新定制或训练 | 每次生成均可更换授权照片与录音 |
| 形象费用 | 按会员、积分或次数计费 | 形象定制费加视频生成费 | 无独立形象定制费，按生成时长计费 |
不收形象定制费，只按最终生成时长计费
每次生成都可以独立克隆新的授权人物形象与本人声音，不需要为每个人物购买固定数字人。
照片、录音和文案分别有什么要求？
高质量素材不能保证每次生成完全一致，但能减少轮廓错误、口型不稳和动作僵硬等问题。
人物照片
正面或轻微侧身，光线均匀，人物清晰，身体与手臂轮廓完整。
多人合照、严重侧脸、低分辨率、过度美颜或身体大面积遮挡。
服装与背景
服装边缘清楚，人物与背景存在色差，饰品和手持物保持简洁。
衣服与背景同色、透明材质、复杂流苏或手持物遮住手指。
本人录音
环境安静、语速正常、音量稳定，并使用清晰的原始录音。
背景音乐、明显混响、多人说话、音量波动或重度降噪失真。
口播文案
短句为主、标点明确，数字和专有名词采用便于朗读的写法。
超长句、符号堆叠、生僻缩写和难以自然表达的书面句。
取景原则：头像适合面部口播，半身照更容易表现手势，全身照能呈现完整姿态。不要用头像照片强行要求完整腿部动作。
怎样写文案，动作和口播更自然？
动作不是越多越好。好的文案会给语音和身体动作留出节奏。
一句一个重点
把过长复句拆开，观点、数字和结论单独成句，口型和强调动作更容易同步。
用标点控制停顿
逗号用于短停顿，句号用于完整收束，不要依靠大量特殊符号制造节奏。
先朗读再提交
修改拗口表达、数字读法和英文缩写。真人难以朗读的文本也难以自然呈现。
示例：“这款产品有三个特点。第一，操作简单；第二，生成速度快；第三，适合批量制作。”比一个没有停顿的长句更容易形成自然的列举动作。
从素材检查到成片，建议按五步操作
确认授权
确认照片、声音、文案和其他素材具有相应使用权限。
上传照片
检查面部、手指、服装边缘和遮挡，用于克隆人物形象。
上传录音
检查噪声、爆音和混响，用于克隆本人声音。
提交文案
用口语化短句驱动口型、表情、手势与全身动作。
复核成片
发布前检查形象、声音、口型、手部、字幕和品牌信息。
常见异常、可能原因和改进方法
不要只重复生成同一份素材。先判断问题来自照片、录音、文案还是画面设置。
数字人视频商用需要注意什么？
生成成功不等于可以直接公开发布。涉及人物形象、声音复刻和商业宣传时，应确认授权与平台规则。
本页提供一般性制作与风险提示，不替代针对具体业务、地区和平台规则的专业法律意见。
关于形象克隆、声音克隆和全身动作生成
照片和录音分别用来做什么？
人物照片用于克隆人物形象，本人录音用于克隆声音，口播文案用于驱动人物说话、表情、手势、全身动作、动态场景和镜头变化。
每次生成可以更换人物和声音吗？
可以。每次生成都可以独立提交新的授权人物照片和本人录音，无需长期绑定一个固定数字人。
需要支付形象定制费吗？
不需要支付独立的形象定制费。视频按照最终生成时长计费，每秒0.20元。
头像照片可以制作全身动作数字人吗？
头像更适合面部和上半身画面。若希望身体姿态和手势完整，建议使用清晰的半身或全身照片。
为什么手部动作容易异常？
常见原因是手部遮挡、细节模糊、双手与身体重叠，或动作要求过密。应优先更换照片并降低动作密度。
录音需要多长时间？
长度以所用系统要求为准。比时长更重要的是声音清楚、环境安静、音量稳定，并拥有声音使用授权。
一次生成多长比较合适？
首次建议用短文案确认人物、声音和动作风格。长内容按自然段拆分生成，再统一检查一致性。
全身动作数字人视频可以商用吗？
取决于照片、声音、文案、音乐、字体和平台服务的授权范围。发布前应取得必要授权并遵守适用规则。
