需准备清晰正面半身照（jpg/png，无遮挡、均匀光照）和15秒内干净音频（wav/mp3），上传至liblibai数字人页，选duix-base v2.3模型，设9:16或16:9比例、“自然”动作、“保留原始肤色”，启用高精度唇动匹配仅当嘴型滞后，下载前校验关键帧，支持指令修复穿帮。
☞☞☞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☜☜☜
准备数字人基础素材
你需要一张清晰、正面、半身以上的人物照片，背景干净，人脸无遮挡，光照均匀——这是Duix-Avatar类驱动方案能稳定输出嘴型和微表情的前提。LiblibAI当前视频生成页默认调用的数字人能力底层即兼容该协议，所以照片质量直接决定最终说话视频是否自然。
另备一段时长15秒以内的WAV或MP3音频文件，内容为人物台词，语速适中，避免爆破音密集或突然静音。若使用AI配音，请先在LiblibAI「AI配音」板块生成并下载，确保音频无杂音、无截断。
【照片必须为JPG/PNG格式，不能是截图或带水印的压缩图】
在LiblibAI中启动数字人生成
打开LiblibAI官网（liblib.ai），登录账号后点击顶部导航栏「视频生成」→ 选择「数字人」标签页 → 点击「上传照片+音频」按钮。
先拖入你准备好的人物照片，系统自动识别面部区域并显示预览框；再点击「添加音频」，上传已准备好的台词音频文件。此时页面右侧会实时显示语音波形图，确认波形完整、无明显空白段。
模型默认选用「Duix-Base v2.3」，该版本对亚洲人脸兼容性最优，无需手动切换。若需调整口型同步精度，可开启「高精度唇动匹配」开关——但会延长生成时间约40秒，仅当首版输出嘴型明显滞后时启用。
配置与生成关键参数
第一步：选择输出比例。竖屏短剧选9:16，横屏广告或B站投稿选16:9，不支持自定义分辨率。
第二步：设置动作幅度。滑块共三档：「静态」（仅嘴部运动）→「自然」（含轻微点头与眼神流转）→「生动」（加入肩部微动与手势模拟）。新手务必从「自然」起步，选「生动」易导致头部姿态失真，尤其侧脸角度超过30°时画面崩解风险陡增。
第三步：勾选「保留原始肤色与发色」。该选项强制锁定参考照的色值特征，关闭后AI可能根据音频情绪自动偏暖/偏冷，造成人物形象漂移。
确认无误后点击「立即生成」，等待进度条走完（通常90–150秒），生成成功后自动跳转至预览页。
导出与本地校验
预览页可全屏播放，用空格键暂停逐帧检查嘴型、眨眼节奏、头部稳定性。重点看第3秒、第8秒、结尾前2秒三个节点——这些位置最容易出现音频-画面脱节。
满意后点击右上角「下载MP4」，文件默认为H.264编码、30fps、1080p，无需二次压缩可直接用于抖音、视频号发布。
如发现局部穿帮（例如耳环闪烁、发际线跳变），不要重跑全流程，直接返回上一页，在「高级选项」中输入「fix ear ring flicker + stabilize hairline」后重新生成——LiblibAI支持带修复指令的轻量重绘，30秒内完成补救。
