AI数字人内容助手

适用范围：下列素材准备与操作顺序参考原H5版手册。内容用于理解拍摄、声音准备、文本/语音驱动等流程，不能据此确认当前版本已有电脑客户端或相同菜单；终端与功能支持以实际版本为准。

克隆数字分身：使用本人的形象视频；如使用他人形象，需先获得授权。

克隆真人声音：录制一段自己的声音，用于训练自己的 AI 音色。

视频拍摄条件：无需布景灯光等专业设备，直接拍摄实景，拍摄过程只需要说1234567即可。

第一步

点击场景复刻

第二步

同意创作协议

第三步

上传录制好的视频场景

确保面部特征没有被遮挡，并努力让面部清晰可见

不要使用有多人的视频

嘴巴要完整露出，避免遮挡。

光线充足，脸部整体光线均匀

人脸不要太大，确保整张人脸都在屏幕区域内，人脸不要出屏幕

总结就是一句话：拍摄场景视频时，确保脸要一直在视频中出现，而且是正脸。

尺寸

竖屏9:16

清晰度

建议1080P

帧率

不限

格式

Mp4

时长

不限

文件大小

不超过300M

其他

确保每一帧都能检测到人脸

注：以上视频要求仅为建议值，不一定完全遵守，但是如果按照要求来做的话，效果会好很多、体验也会更加顺畅。

第一步

进入语音克隆页面

第二步

同意克隆协议

第三步

选择录制风格

第四步

选择语音克隆模式

第一步

进入创作数字人的页面

第二步

同意创作协议

第三步

开始创作数字人视频

文本驱动就是输入一段短视频的文案， 选择自己克隆的声音进行播放，如果自己没有克隆声音，可以在公共区域选择共用的声音进行播放。

这份 H5 操作手册中的语音驱动采用录音方式，不支持上传音频文件。

录音时可以照着稿子念，再配合已经录制的数字场景生成视频，不必在面对镜头时同时完成完整讲稿。

创建数字人视频的时候，需要选择在此之前录制好的数字分身场景视频，建议不同的文案对应不同的数字场景，这样表现力会更加出众。

做过口播视频的同学都知道，以前一天只能拍几个视频，还比较耽误时间，有时候手里工作比较忙，还得要想办法抽出时间来拍视频。

利用AI数字人，你可以先把你几乎所有的场景都录制下来，做到批量克隆，后期在创作的时候，就不需要人再出镜了。

比如在茶室喝茶、在走路、在看书、在打球等等任意场景，只需要录制好视频即可。

在录制场景的时候，如果没有想好说什么，只需要对着镜头说：1233211234567，重复循环说即可。

同一个文案对应不同的场景是不是可以产出不同的视频？同理，相同的视频对应不同的文案也是可以产出全新的视频，这样交叉循环使用，就可以做到批量生产的效果。

假设你准备了10个数字分身场景，准备了一条文案，这时候就相当于你直接拍了10条视频。

反之，如果你准了10条文案，只有一个分身场景，也是同样可以产出10条视频

本章为原 H5 手册中的声音素材准备说明，不据此确认当前电脑端支持情况。

在普通声音模式中，选择相应风格，按该风格给出的文本朗读。录制时保持环境安静，吐字清楚，尽量连续完成，避免杂音和断续影响素材质量。

提交训练前先听一遍自己的录音，确认内容完整、声音清晰，满意后再提交。