分身舱使用指南
能做什么
- 视频数字人(主推):上传你的一段真人视频,保留原片画面,只换台词、对口型,可以用你自己的原声。
- 照片数字人:只要一张正脸清晰的照片,就能开口说话,最长 20 秒。
- 文生语音:只出声音不出画面,做配音、电话、播报。
- 声纹克隆:录一段声音,保存成你的专属音色,以后出片和配音都能用。
- 人物库、批量出片:把老板、店长等形象存成人物,一份文案配多个形象批量出片。
开始之前
- 套餐:所有在售套餐都含分身舱。
- 谁能用:企业里的经理、员工账号都可以创建;企业微信里的军师页面也能上传形象和录声纹。
- 准备素材:
- 视频数字人:一段真人正脸视频,不超过 100MB、120 秒,短边不小于 640 像素、长边不超过 2,048,格式 mp4 或 mov。建议 30 秒以上,画面更自然。
- 照片数字人:一张清晰的单人正面照,png、jpeg 或 webp。
- 声音:现场录 10 秒以上(录到 19 秒自动停),或上传不超过 10MB 的样本。
- 真人肖像和声音需要本人授权,录声纹要勾选授权。
- 声纹个数按套餐:个人 1 个、入门 2 个、标准 3 个、旗舰 10 个、臻选 20 个。
- 如果企业关闭了「允许真人照片」,照片上传区会是灰的,请联系管理员。
操作步骤
一、先建人物(推荐)
- 左侧点「分身舱」,进入「人物库」,点「新建真人」。
- 按四步走:「拍摄指引」(正脸、光线均匀、背景干净)、「上传体检」(当场告诉你照片能不能用)、「授权入库」(勾选肖像授权确认)、「声纹(可选)」。
- 还可以顺手上传一段 5~15 秒正脸视频,效果比照片更稳。
二、做视频数字人
- 在分身舱点「视频数字人」,「选一个形象」:选人物库里的视频,或上传一段新视频。
- 在文案框写口播稿,最多 540 字(约 120 秒,每秒约 4.5 字)。想从爆款起步,可以用「从爆款开始」按产品逐句改写。
- 「声音与演绎」选:「用我的原声念新文案」,或「换一个音色」(预置音色或「我的声纹」)。
- 可选调整:语言和「口音 / 方言」(只对克隆声线和原声生效)、「演绎方式」、「语速」(慢 0.9、正常 1.0、快 1.2、很快 1.5)。点「试听这套声音」确认。
- 「出片设置」里可决定是否「烧录字幕」,还可加背景音乐、在某些句子切产品画面。
- 看底栏「预计积分」,点「出片(消耗积分)」。提交后到详情页看进度,成片会自动带合规标识。
三、做照片数字人
- 点「照片数字人」,选一张照片(或点「公共素材」套用样片)。
- 「照片档位」选「生动版」(口型和表情更活,最长 20 秒,约 90 字)。长口播请改用视频数字人。
- 写文案、选声音,出片。
四、文生语音
- 点「文生语音」,无需形象,选音色、写文案(最多 2,000 字)。
- 出来的是一段 mp3 音频。
五、录声纹
- 点「声纹克隆」,朗读一段完整自然的句子,别数数、别反复念一个词。
- 录满 10 秒以上后保存,勾选授权。克隆成功才扣积分。
- 之后在出片页的「用谁的声音」里选「我的声纹」。
六、出片后
- 在详情页可「换音色重新生成」(按原文案重新出一条,重新计费)、编辑字幕样式和 logo 后重新合成(免费)。
- 失败的任务可以直接重试。
- 一份文案配多个形象,点「批量生成(一份文案 × 多个形象)」。
花多少积分
| 内容 | 价格 |
|---|---|
| 视频数字人 | 6.5 积分/秒,约 ¥3.90/分钟 |
| 照片数字人(生动版) | 168 积分/秒 |
| 文生语音 | 2 积分/秒 |
| 声纹克隆 | 10 积分/次,克隆成功才扣 |
| 试听、字幕重合成 | 免费 |
举例:30 秒口播约 135 字、195 积分(¥1.95);1 分钟约 270 字、390 积分(¥3.90)。出片前页面先给报价并冻结积分;没做出来全额退回,成片比预估短按秒退差价。
常见问题
一直显示「生成中」。 高峰期会排队,请稍等;长时间卡住系统会判失败并全额退回。
视频传不上去。 检查是否超过 100MB、120 秒,或短边不到 640 像素;压缩或剪短后重传。
方言、语气点了没变化。 早期录的老声纹不支持这两项,请在声纹页重新录制。
成片里画面来回倒放。 形象视频比文案短很多时会出现,换 30 秒以上的视频,或缩短文案。
选了公共形象做不了视频版。 公共形象只能做照片数字人,视频数字人要用你自己的视频。
积分扣多了。 提交时按报价冻结,出片后按实际秒数结算,短了会退差价。在积分明细里能看到这单的冻结和退回两笔。
照片数字人文案写不下。 生动版最长 20 秒,约 90 字;更长请用视频数字人。
小技巧
- 录形象视频时多说几句,时长拉到 30 秒以上,长文案也不容易倒放。
- 口播稿开头不要写「以下是口播内容」这类前导语,直接写要说的话。
- 先用「试听这套声音」和短文案试一条,再批量出片。
- 声音用原声最像本人;想换方言或语气,先录一条新的声纹。