一张照片做成数字人口播
一张正脸照片加一段音频，生成会说话的数字人视频。
- 适合谁
- 不方便出镜拍视频的财税、法律、保险顾问和培训讲师，以及要批量做讲解视频的企业宣传和内训团队
- 要准备
- 一张本人清晰的正脸半身照，一篇口播文案（或一段自己录好的音频）
- 用时
- 第一条约 15 分钟；照片和声音定下来以后，每条口播只需要给文案
- 用到
- 项目数字人我的声音（声音复刻）云端电脑剪辑和渲染技能
做出来是这样的
1照片开口说话
2百言 AI 里的回复
做好了，竖版 1080×1920，58 秒：
- 配音 用你的声音念 260 字文案，语速 1.2 倍
- 数字人 按句切成 4 段，每段 20 秒以内，720P 生成后拼接
- 包装 上方标题“3 个发票坑”，下方逐字字幕 31 条
- 请确认 第 2 段说专票要在 360 天内认证，这个期限 2020 年起已取消
它是怎么做出来的
材料交给百言 AI 后，在它自己的云端电脑上处理，你的电脑上什么都不用装。
一步步做
照片和声音定一次，以后每条口播只要给文案。百言 AI 配音、生成数字人、拼接、加字幕，一条一条交给你。
-
01
创建项目“数字人口播”
在左侧边栏“项目”旁点 +，输入“数字人口播”，点“创建项目”。照片、文案和每条成片都放在这里，下一条直接用同一张照片。
延伸项目里的文件永久保留。做第 20 条时，第 1 条用的照片还在工作空间里。
创建项目数字人口播内容永久保留，随时间扣除少量存储积分。
取消创建项目 -
02
上传正脸照片和文案
在项目里开启对话，点对话框左下角 +，选“添加照片”，传一张清晰的正脸半身照；再用“添加文件”传文案。照片要正面、光线均匀、脸上没有遮挡，竖构图最好。
延伸只能用你本人、已获授权或 AI 生成的人像，不能用名人或别人的照片。
数字人口播 工作空间IMG正脸半身照.jpgDOC3 个发票坑-文案.docxEnter 发送，# 选择引用的文件自动 -
03
说清用谁的声音、出什么画幅
说“用这张照片做数字人口播，用我的声音，竖版，加字幕和标题”。用自己的声音要先在“设置 → 我的声音”里录好；没录的话可以选一个系统音色，或者直接上传自己念好的录音。
延伸清晰度有 480P 和 720P 两档，按成片秒数计费，720P 约是 480P 的 1.8 倍。发视频号、抖音建议 720P。
数字人口播 工作空间用这张照片做数字人口播，文案在文档里，用我的声音，竖版，加字幕和标题。文案 260 字，用你的声音念出来约 58 秒，我会按句切成 4 段分别生成再拼接。清晰度用 480P 还是 720P？720P 更清楚，积分约是 480P 的 1.8 倍。
-
04
百言 AI 配音、生成数字人、拼接
百言 AI 先用你的声音合成整段配音，在句末停顿处切成几段（每段不超过 20 秒），每段让照片开口说话，再在云端电脑上拼接、配字幕和标题，渲染竖版成片。
延伸几段数字人同时生成，几分钟就好。可以关掉网页去忙，做完后侧栏这个对话右侧会出现蓝色小圆点。
正在云端电脑上处理- 用“我的声音”合成配音：58 秒
- 在句末停顿处切成 4 段，每段 12–17 秒
- 4 段数字人同时生成，720P
- 拼接成一条，口型和声音逐段核对
- 放进竖版 1080×1920，加标题和字幕 31 条
-
05
看成片，下载
点成品卡片的“查看”直接播放，重点看口型和字幕。哪句要改，改文案后说“只重做第 3 段”，其他几段不用重新生成，省时间也省积分。
延伸想让画面更丰富，说“在第 2 个坑那里插一张发票示意图”，百言 AI 会在对应位置插入图卡。
竖版口播做好了，58 秒。第 2 段说专票要在 360 天内认证，这个期限 2020 年起已取消，建议改成“勾选确认不再有期限”，我只重做这一段。
MP4 查看 下载SRT 查看 下载 -
06
存成技能“数字人口播”
满意后说“把这套做法存成技能，叫数字人口播”。照片、声音、标题和字幕样式都记在里面，以后传一篇文案，说“用数字人口播这篇”就行。
延伸技能在“技能与连接器”的“技能”标签里。不同栏目用不同照片或着装，可以各存一个技能。
把这套做法存成技能，叫数字人口播。已保存技能“数字人口播”。以后在任何对话里说“用数字人口播这篇”，我都会按这个技能执行。
技能与连接器 · 技能数字人口播用项目里的正脸照片和“我的声音”，把文案做成竖版数字人口播：按句分段生成、拼接，上方标题，下方逐字字幕，720P。
一键交给百言 AI
复制这段话，百言 AI 会一步步带你做完
包含上面的完整流程：要准备什么、怎么确认、交付什么、以后怎么一句话复用。你缺的信息，百言 AI 会一项项问你。点“在百言 AI 里打开”，这段话会直接填进对话框，看一遍再发送。
我想用一张照片做数字人口播视频。请按下面的流程带我完成。缺少的信息先问我，一次只问一个问题。 第一步：放进项目 先看当前对话是否属于项目。如果不属于，请告诉我：点对话框左下角的“+”，选“把对话放入项目”，新建项目“数字人口播”。 第二步：收集照片和文案 请我用“+”→“添加照片”上传一张清晰的正脸半身照（竖构图最好），用“添加文件”上传文案，或直接粘贴。提醒我：只能用本人、已获授权或 AI 生成的人像。 第三步：确认声音和画幅 问我用谁的声音：我在“设置 → 我的声音”里保存的声音、某个系统音色，还是我自己上传的录音。再问画幅（默认竖版 1080×1920）和清晰度（480P 或 720P，说明 720P 积分约是 480P 的 1.8 倍）。 第四步：生成 先合成整段配音，在句末停顿处切成每段不超过 20 秒的几段，同时生成各段数字人，再拼接。加标题和逐字对齐的字幕，渲染成片。 第五步：交付 交付 MP4 和 SRT 字幕，回复里写明时长、分了几段、用的声音和清晰度，以及照片里可能影响效果的地方。我要改某一句时，只重做那一段。 第六步：存成技能 我满意后，问我要不要把这套做法存成技能（默认叫“数字人口播”）。以后我传文案说“用数字人口播这篇”，你就用同一张照片、同一个声音执行。
做得更好的几个细节
- 照片决定一大半效果：正脸、平视、光线均匀、嘴巴闭合、肩膀完整，背景简单。
- 文案写成说话的样子，一句别太长。每段数字人不超过 20 秒，短句切得更自然。
- 先用 480P 做一条看效果，满意了再用 720P 批量做，省积分。
- 只用本人、已获授权或 AI 生成的人像，发布时按平台要求标注“AI 生成”。
- 一条口播不要全程只有一张脸，在要点处插图卡或数字，看起来更像专业剪过的。