pavo平台支持零代码生成数字人视频，上传正面半身照后自动建模，绑定tts或真人语音驱动唇形，微调微表情、手势及头部运动，最终一键渲染导出1080p带字幕视频。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
想用Pavo平台把一张真人照片变成能说话、能做动作的数字人，全程不用写代码、不装插件、不切换工具，从上传照片到导出带语音和动作的成品视频，所有操作都在一个界面里完成。
上传原图并启用数字人建模
打开Pavo桌面客户端（v2.3.1及以上），登录后点击左上角「+新建项目」→选择「Agent」模块→在输入框中输入指令：“基于我上传的照片生成数字人，用于短视频口播，要求唇形同步、微表情自然、肢体动作符合语义”。
点击右下角「上传参考图」图标，拖入一张正面清晰、无遮挡、光线均匀的半身照（建议白墙背景、面部占比超60%）。【必须是本人正脸，侧脸或戴口罩会导致建模失败】
上传成功后，系统自动调用Agnes-Image-2.1-Flash模型进行人脸拓扑分析，约8秒后弹出「数字人基础模型预览」窗口，显示三维网格重建效果。此时不要跳过，直接点击「确认建模」。
绑定语音与驱动参数
进入「语音驱动」设置页，有两条路径可选：
方法一：使用内置TTS语音
点击「选择音色」→滑动列表找到“男声-沉稳播报”或“女声-亲和讲解”，点击右侧「试听」按钮验证语调是否匹配人设；确认后，在下方文本框输入测试文案：“大家好，今天给大家介绍AI创作新方式”，点击「生成语音样本」。
方法二：上传真人录音
点击「导入音频」→选择一段15秒以内、采样率44.1kHz的MP3/WAV文件（需本人朗读、无背景噪音）→系统自动提取音高曲线与重音节奏→生成对应语音驱动权重。这一步比TTS更贴合真实声线，但【音频若含回声或电流声，会导致唇动错位】。
两项设置完成后，点击「绑定语音与数字人」，系统将语音波形映射至面部肌肉控制节点，生成初始驱动参数包。
微调数字人表现力
点击「表现力编辑」面板，按顺序执行以下三步：
第一步：调整微表情强度
拖动「自然度」滑块至0.62——低于0.55会显得僵硬，高于0.7则眨眼频率过高，易触发眼部畸变。
第二步：设定手势逻辑
在「手势库」中选择“讲解型-单手示意”，勾选「跟随语义触发」；若文案中出现“第一”“其次”等序数词，数字人将自动抬手计数。
第三步：校准头部运动幅度
输入提示词：“轻微点头强调，左右摇头否定，俯仰角度不超过12°”，点击「应用到全部镜头」。这一步直接影响后续视频的专业感，跳过会导致数字人全程呆板直视镜头。
生成并导出成品视频
返回主界面，点击「合成视频」→选择输出规格：1080P/30fps（默认）、横屏16:9（适配B站/公众号）或竖屏9:16（适配抖音/快手）。
点击「开始渲染」，系统调用Agnes-Video-2.0模型并行处理：语音驱动唇形→微表情叠加→手势骨骼绑定→背景虚化合成→嵌入字幕（自动识别语音生成SRT）。
进度条走完后，页面弹出「下载MP4」按钮，文件包含完整音轨、软字幕、1080P画质，大小约42MB（60秒内容），点击即保存到默认下载目录。
