数字人口播

数字人口播把脚本、人物形象、声音样本和环境图组合成 16:9 的 MP4 口播视频。当前支持 HeyGen 和 ComfyUI / MiniMax H3 两种制作方式。

完成后你将得到什么

完成整个流程后，你会得到：

• 一个可在多个作品中复用的数字人角色；
• 一份自动保存的口播脚本和作品配置；
• 可播放并可切换历史版本的口播成片。

开始前的准备

先选择适合自己的生成方式：

两种方式都需要：

• 一张正面、光线均匀、无遮挡的 PNG 或 JPEG 人像；
• 一段清晰的单人声音样本，格式为 MP3 或 WAV；
• 一张 PNG 或 JPEG 环境图，或可用于生成环境图的文字描述。

上传的单个素材不能超过 32MB。ComfyUI 角色的声音样本应为 2–15 秒。完整的基础设置说明见首次使用设置。

创建数字人角色

1. 从左侧导航进入“数字人口播”。
2. 点击“创建数字人”。
3. 选择“HeyGen”或“ComfyUI / MiniMax H3”。渲染后端在角色创建后不能更改。
4. 填写角色名称。
5. 从创作资产选择或上传人物形象和声音样本。
6. 选择默认环境。你可以上传图片、选择已有创作资产，也可以输入环境描述后点击“生成并使用”。
7. 使用 ComfyUI 时，可填写“定妆说明”，描述姿态、构图和动作。
8. 点击“保存并开始处理”。

等待角色状态变成“已就绪”后，才能用它创建口播作品。ComfyUI 会先生成定妆图；HeyGen 会处理人物形象和声音。

创建口播作品

角色就绪后，可以从角色卡片点击“新建口播”，也可以：

1. 切换到“口播作品”。
2. 点击“新建口播作品”。
3. 填写作品名称并选择一个已就绪角色。
4. 点击“创建并编辑”。

新作品默认使用角色的环境图，进入编辑器后仍可替换。角色或环境变化时，先等自动保存完成，再开始生成。

编写或转换口播脚本

在“口播脚本”中输入最终要朗读的内容。也可以点击“AI 辅助”，选择：

• “根据主题生成”：输入主题和要求，得到一版候选脚本；
• “从草稿转换”：把已有草稿改写成口播表达；
• “改写当前脚本”：在现有内容基础上调整语气或结构。

AI 生成的内容只是候选结果。检查无误后点击“使用这个脚本”，它才会替换当前作品中的脚本。脚本属于当前口播作品，不会另外进入脚本库。

选择环境并生成版本

使用 HeyGen

1. 确认角色、环境和口播脚本。
2. 点击“生成新版本”。
3. 在确认窗口中点击“确认生成”。
4. 等待状态从“等待中”或“生成中”变为“已完成”。

提交后，当前脚本、角色与环境会冻结为一个新版本，已有版本不会被覆盖。

使用 ComfyUI / MiniMax H3

1. 完成脚本的镜头规划，检查每镜的口播内容、构图、动作和提示词。
2. 选中一个镜头，点击“生成这一镜”进行试做；已有结果的镜头会要求确认后再重新生成。
3. 确认设置后，点击“全部入队生成”处理所有未完成镜头。
4. 逐镜查看结果。全部镜头完成后，点击“生成成片”。

如果按钮提示“还缺 2–15 秒声音样本”，请回到“数字人角色”编辑该角色并补充合格录音。

查看和管理生成结果

右侧“成片预览”用于播放当前结果。“历史版本”会保留每次生成的独立记录：

• 已完成的旧版本可以“设为当前”；
• 等待中或生成中的版本可以停止；
• 失败或已取消的版本可以删除；
• 失败时先查看版本显示的原因，再到任务概览确认任务详情。

ComfyUI 作品还可以在“本镜”和“成片”之间切换预览。重新生成某一镜会替换工作台中该镜的预览结果；确认满意后再重新拼接成片。

当前能力边界

• 角色的 HeyGen 或 ComfyUI 后端一经创建不能切换；需要另一种方式时，请新建角色。
• 只有状态为“已就绪”的角色可以创建口播作品。
• 当前成片为 16:9 MP4，不自动添加字幕和背景音乐。
• HeyGen 生成会调用第三方服务；ComfyUI 生成依赖已配置且可访问的运行环境。耗时和费用取决于实际配置。
• AI 脚本不会自动采用，必须点击“使用这个脚本”。

常见问题

“新建口播作品”按钮不可用怎么办？

先到“数字人角色”确认至少有一个角色处于“已就绪”。若角色仍在处理，等待页面刷新状态；若处理失败，编辑角色检查素材和对应服务配置。

生成按钮不可用怎么办？

检查脚本是否为空、角色是否已就绪、声音样本是否符合要求，以及当前是否已有生成任务进行中。ComfyUI 还需要先完成镜头规划。

换了脚本或环境，旧版本为什么没有变化？

每个已提交版本都会保留当时的脚本、角色和环境。修改只影响下一次生成，不会覆盖历史版本。

环境图生成失败怎么办？

前往“任务概览”查看对应任务的失败说明，再检查 AI 图像配置。详细方法见常见问题与排查。

下一步

• 如果只需要动态文字、配音和分镜，阅读制作文字视频。
• 如果要继续准备普通图文稿件，回到编辑并准备发布。