YozBon 星创社

AI 数字人口播怎么做:站内形象或正脸照 + 一段口播稿,5 步出片

2026-11-11 发布 · 最后更新 2026-11-13 · YozBon 星创社

先给答案

做一条 60 秒、720P 的数字人口播,画面 112 积分(¥10.00),加 500 字配音 5 积分,合计 117 积分(¥10.45)。数字人按时长计费,15 秒 720P = 28 积分,单条最长 150 秒。

形象有两种选法:直接用站内预置形象,或上传一张正脸照片;再配一段口播稿。配音由站内 TTS 合成,口型、表情、头部动作由模型完成,不需要动捕设备。

价目表

时长720P 画面积分720P 参考价
30 秒56¥5.00
60 秒112¥10.00
90 秒168¥15.00
120 秒224¥20.00
150 秒280¥25.00

配音另外按字数算:每 100 字 1 积分,单条最多 2000 字。

5 步出片

第 1 步:选形象或准备照片。 不想拍照就直接用站内预置形象,跳过这一步。自己上传时选正脸、光线均匀、五官无遮挡的照片,分辨率不低于 1024×1024。侧脸、强逆光、戴墨镜都会让口型对齐变差。这张图决定成片的「像不像」,比配音更关键。

第 2 步:把稿子写成短句。 口播稿一句话一个意思,句子之间留半秒停顿。长句会让口型在句中段糊掉。500 字约等于 2 分钟口播。

第 3 步:选形象并写入口播稿。 上传正脸照或直接用站内形象,选择音色、情绪与画幅。竖版 9:16 适合短视频,方版 3:4 适合课程与企业宣传。

第 4 步:生成并检查口型。 重点看三处:闭口音(b/p/m)有没有闭合、语速和头部动作是否同步、画面边缘有没有抖动。有问题只改口播稿或照片,不要盲目重生成。

第 5 步:导出与标识。 付费额度产出的文件不加可见水印,并按法规写入 AI 生成标识。用于广告投放时,保留生成记录以备平台审核。

三种常见用途的成本

用途时长配置合计积分参考价
短视频口播30 秒720P + 200 字配音58¥5.18
课程一节150 秒720P + 600 字配音286¥25.54
企业介绍90 秒720P + 400 字配音172¥15.36

参考价按 28 积分 = ¥2.50 折算。课程这类长内容,先做 60 秒样片确认形象,再一次性生成 150 秒,比反复试错省得多。

体验一下站内形象:直接选一个预置形象,写一段 30 秒口播稿即可出片;要换成自己或客户的脸,再上传正脸照。

常见问题

问:照片必须是真人吗? 答:不是。插画、3D 头像也可以,但五官越清晰、左右越对称,口型越稳。

问:可以换背景吗? 答:可以,但建议在生成前就把背景定好,或生成后用剪辑替换。反复生成只为换背景不划算。

问:最长能做多久? 答:数字人单条最长 150 秒。更长的内容建议按章节拆成多条,单条失败时不用整条重来。

问:和真人拍摄比便宜吗? 答:本文只算站内生成成本,不评价拍摄、场地、演员、剪辑的报价。数字人的优势是改稿成本低——换一段稿子重生成即可,不用重新约人。

下一步

想试试?免费创建账户

注册送 40 永久积分 + 每日 10 张免费普清图。充值积分永不过期。