runway的act-two可将手机自拍视频驱动虚拟角色实现电影级口型同步与微表情动画，仅需上传半身表演视频和角色图，在网页端完成全部操作。
☞☞☞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☜☜☜
想用一段手机自拍视频驱动虚拟角色说话、做表情、摆动作，又不想买动捕设备、不折腾绿幕布光，Runway 的 Act-Two 就是为你准备的——它只要求你上传一段清晰的半身表演视频和一张角色图，就能生成电影级口型同步与微表情动画，整个流程在网页端完成，无需安装插件或本地算力。
准备驱动视频和角色素材
打开 app.runwayml.com，登录后点击左下角 【Act-Two】 图标，进入专用工作区。
驱动视频必须是手机横向拍摄的半身近景（肩部以上），面部占画面 50% 以上，环境光线均匀、无强阴影或反光；如果人脸被遮挡超过 1 秒，后续口型会严重错位。
角色输入支持图片或视频：图片需为正面清晰人像（建议白底/纯色背景），避免戴眼镜、帽子或夸张妆容；若用视频，则第一帧必须是完整正脸静帧，否则系统无法锚定角色基准形态。
拖拽驱动视频到画布左侧区域，再拖拽角色图到右侧区域——两个文件必须同时加载成功，右上角才会亮起绿色“Ready”提示。
设置镜头与运动参数
方法一：自动镜头推荐
点击“Auto Camera”，系统会基于驱动视频中人物头部运动幅度，智能匹配推拉、平移或轻微俯仰组合，适合 90% 的日常口播类内容。
方法二：手动镜头控制
启用“Manual Camera”，滑块调节三项核心参数：【Zoom】 控制景别（0.8–1.5 倍焦距），【Pan/Tilt】 控制水平/垂直摇镜范围（±15° 内最稳定），【Roll】 倾斜值务必保持为 0，否则角色会歪斜失真。
注意：镜头参数调完后必须点击“Apply”，否则生成时仍按默认值运行。
优化口型与表情精度
第一步：确认音频已自动提取
上传驱动视频后，Runway 会在 3 秒内完成语音分离，波形图显示在时间轴底部；若未出现波形，请检查视频是否含原始人声（静音视频无法触发口型驱动）。
第二步：启用唇形强化
勾选 “Lip Sync Refinement”，该选项强制模型在每帧中优先对齐音素-嘴型映射关系，尤其对中文闭口音（如“b、p、m”）和卷舌音（如“zh、ch、sh”）提升明显。
第三步：微调表情权重
拖动 “Expression Intensity” 滑块至 60–75 区间：低于 50 表情僵硬如面具，高于 80 则易出现眼球震颤或嘴角撕裂——这个数值没有标准答案，需结合角色皮肤质感反复试跑。
启动生成并导出结果
点击右上角 “Generate” 按钮，系统开始渲染；4 秒视频约耗时 90–120 秒，期间不可关闭页面或刷新。
生成完成后，预览窗口自动播放，点击下载图标 → 选择 “MP4 (H.264)” 格式 → 保存到本地。
