先制作一段短口播
聚焦一个信息点，方便检查发音。姓名、数字和产品术语应先在配音预览中确认，再生成视频。
AI AVATAR / SHOTTIDE
让数字人，说出你的内容。
从一张人像开始，写下短脚本或导入配音。先听清每一句话，再把照片制作成口播视频。
选择合适的创作起点
数字人口播通过配音驱动静态人像。ShotTide 分别保存人像、旁白和视频，你可以更改一句台词、尝试另一种语气，再使用已经准备好的人像继续制作。
如何制作数字人口播
- 01
选择人像
上传 PNG、JPEG 或 WebP，选用模板或已保存图片，或设计新人物。让脸部和嘴部保持清晰，避免被头发、手或物品遮挡。
- 02
准备并审核配音
输入脚本，选择音色和语言，调整语速、音高、情绪与停顿。难读词可设置文字替读并预览实际朗读内容，也可以导入录音。试听后再勾选审核。
- 03
确认视频费用
工作台测量音频时长并显示积分报价。填写简短的动作要求，开始生成，然后预览并下载保存的结果。
发布前需要检查什么
检查脸部与动作
下载后检查嘴型、眼睛和脸部边缘。生成人像和声音并不代表身份一致性或口型同步已经得到保证。
输入、限制与积分费用
- 人像
- PNG、JPEG 或 WebP，最多 5 MB、1600 万像素。
- 口播视频
- 审核后的音频最长 180 秒，使用 Kling Avatar V2 单次生成；音频会压缩到模型文件大小限制内。
- 费用
- 配音每开始 100 字符收取 0.2 积分；视频每开始 1 秒收取 3 积分，最低按 2 秒计算。
- 字幕
- 生成后可识别语音、校对文字与时间、选择样式，并导出字幕副本；转写单独计费。
常见问题
可以使用自己的照片与声音吗？
可以上传人像并导入 MP3、WAV 或 M4A，也可以通过脚本生成配音。请使用有权使用的照片和声音。
修改脚本后会自动重新生成视频吗？
不会。先生成并审核新配音，确认视频报价并点击生成按钮后，才开始制作视频。
已有视频能替换台词吗？
已有 MP4、MOV 或 WebM 请使用视频换口型工具。数字人生成器以静态人像为起点。
支持三分钟的照片口播吗？
照片转口播的音频输入上限为 180 秒。先处理音频、核算报价，再单次生成。较长视频可能需要更多时间，请完整检查人物一致性和口型时序。