可灵ai数字人功能支持用静态人像图+文本或音频生成自然口型同步的1080p短视频，需电脑端v3.0.2+版本、正面清晰人像及合规驱动源。
☞☞☞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☜☜☜
你想让一张静态照片里的人物开口说话，生成一段自然口型同步、带语音播报的短视频，可灵AI数字人功能正好支持这个需求——它不要求你有视频拍摄设备或剪辑经验，只需一张清晰人像图加一段文案或音频，就能在几分钟内产出1080p/48FPS、最长60秒的说话视频。
确认是否满足基础条件
可灵AI数字人功能目前仅对电脑端v3.0.2+版本开放，手机App和网页版暂不支持。如果你用的是旧版客户端，【必须先卸载重装最新版】，否则点击“人物驱动”按钮后界面会直接报错或空白。
该功能依赖图像中人脸结构的完整识别，上传的照片需满足：正面或微侧脸（左右偏转不超过30°）、双眼清晰可见、无口罩/墨镜/大面积遮挡、背景干净不杂乱。侧脸过大会导致口型驱动失败，系统不会提示原因，只会生成静止画面。
准备驱动源：文本 or 音频？
方法一：用文字生成语音并驱动口型（适合口播稿、产品介绍）
在「输入文本」框中粘贴已校对的口语化文案，例如：“大家好，这是我们新上线的夏日限定芒果冰，采用当季台农芒现打，奶香浓郁不腻口。”
注意删掉所有括号注释、英文缩写和顿号分隔的并列短语，AI对这类标点理解不稳定，容易造成口型卡顿。
方法二：用真人录音驱动口型（适合复刻声音、方言播报）
上传WAV或MP3格式音频，时长严格控制在10–60秒之间；音频开头必须有至少0.3秒静音段，否则系统会截断首字发音；采样率建议为44.1kHz，低于32kHz会导致唇形抖动。
执行人物驱动操作
第一步：进入「创建作品」页面→点击右上角齿轮图标→开启「高级模式」。
第二步：在编辑区左侧工具栏找到并点击「人物驱动」按钮，界面自动跳转至配置面板。
第三步：上传你的照片——拖入一张1024×1024 PNG/JPG格式人像图，系统会在3秒内完成面部关键点定位并显示绿色锚点框。
第四步：切换到对应标签页（「输入文本」或「上传音频」），填入/导入驱动源。
第五步：点击「生成视频」，等待约70–120秒，预览画布将逐帧渲染出带口型动作的视频流。
