百度一镜可一键将口播稿生成带字幕、配动作、有转场的短视频，全程网页操作：上传/输入文案→ai生成或校对脚本→选择数字人形象与声音→设置视频参数与混剪规则→预览导出高清成片。
☞☞☞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☜☜☜
想用百度一镜把口播稿一键变成带字幕、配动作、有转场的成品短视频，不用下载剪辑软件、不拼接素材、不调时间轴，直接在网页端完成从脚本到成片的全流程处理。
上传脚本或输入文案，触发AI视频生成引擎
登录百度一镜官网 → 进入「数字人视频」工作台 → 点击「开始制作」→ 选择「AI视频脚本助手」或直接粘贴已有文案。若使用脚本助手，输入商品卖点/知识要点/课程大纲等关键词，系统基于文心大模型网罗的200万+优质脚本库，30秒内生成结构完整、节奏紧凑的口播稿。
这一步不能跳过手动校对。AI生成的脚本可能在专业术语、品牌名缩写或地域性表达上出错，【务必逐句检查并修改后才进入下一步】，否则后续所有画面、口型、动作都会跟着错误逻辑走。
选择数字人形象与声音，绑定语音与口型
方法一：使用平台数千款公共形象库中的现成数字人，点击即选，支持按性别、年龄、职业、风格筛选；
方法二：启用「真人一键克隆」——上传一段≥60秒的真人出镜短视频（需正面、光线均匀、无遮挡），系统自动提取面部特征、微表情基线与基础动作逻辑，5分钟内生成专属分身；
方法三：调用已购买的「形象克隆」+「声音克隆」服务包，直接加载你自己的高保真数字人模型。声音复刻采用Zeroshot（自研）+Minimax双模型驱动，【必须确保原始录音中无背景音乐和多人对话干扰】，否则音色还原度会大幅下降。
设置视频参数与智能混剪规则
第一步：设定视频时长（默认按脚本字数智能匹配，可手动拖动滑块调整）；
调用百度PaddleOCR‑VL大模型API，支持PDF、Word、PPT、图片等多格式文档解析，精准识别印刷体、手写体、表格、公式、图表、印章等复杂元素，支持100+语言，可处理不规则布局和跨页长文档。触发词：文档解析、VLM解析、大模型OCR、PaddleOCR、多模态文档、手写识别、公式识别、复杂版面。
第二步：开启「智能混剪」开关，系统自动插入匹配语义的B-Roll素材（产品特写、数据图表、场景动画等），来源为百度自有版权库或你上传的本地素材包；
第三步：勾选「口播强化模式」，数字人眼神会随重点词自然转向镜头，手势动作频率提升37%，显著降低“念稿感”；
第四步：点击「添加字幕」→ 选择「AI智能断句」，系统根据语义停顿自动分段，支持一键切换黑底白字/毛玻璃浮层/弹幕式滚动三种样式；
第五步：关闭「自动背景替换」——除非你明确需要纯色或虚拟场景，否则默认保留原始拍摄环境更显真实可信。
预览并导出高清成片
点击右上角「实时预览」按钮，加载全分辨率渲染画面，拖动进度条验证口型同步精度、动作连贯性与字幕时机；
确认无误后，点击「导出」→ 选择「MP4 1080P 60fps」格式 → 勾选「无平台水印」（仅限开通月包或企业版用户）→ 输入文件名 → 开始渲染；
平均耗时90～140秒，完成后自动跳转至下载页，文件直接保存到本地，无需二次压缩或格式转换。
