手机版使用方法 二维码 点击跳转到微信添加
极客空间站 > AI数字人内容详情

AI数字人口播视频怎么制作?从写稿到成片的六步流程 2026-11-15 20:35:27

做一条数字人口播视频,核心只有六步:定用途、写口语稿、准备形象与声音、合成、逐句校对、加字幕导出。真正耗时的不是点“生成”,而是前两步和最后一步的校对。顺序理顺之后,一条60秒的片子通常两小时内可以出片。

一、先定用途,再决定用哪类数字人

用途决定三件事:画幅、形象形态和单条时长。发在抖音、视频号、小红书的竖版短视频用9:16,人像以半身为主,字幕要避开顶部状态栏和底部评论区的遮挡;放在官网、课程平台、企业内网的横版视频用16:9,人像左右分布,另一侧留给课件或产品图。背景方面,实景适合个人IP和知识分享,纯色或虚化适合带货、企业宣传,后期换背景也最不容易露馅。时长上,短视频控制在30到90秒,一条只讲一件事;课件类按知识点切成5到15分钟一节,太长既掉完播率,也让逐句校对变成苦工。

动手前建议先写清三个参数:发在哪、给谁看、看完要做什么。这三个答案会直接决定稿子的写法——带货要留出价格和规格的口播位,课程要留出演示和板书位,企业宣传要留出Logo与联系方式位。参数没定就开做,返工几乎是必然的。

二、写一份“能念出来”的口播稿

数字人不会替你断句。稿子里的长定语、括号补充、书名号套引号,合成出来就是一串没有呼吸的句子。判断标准很简单:把稿子读出声,读着别扭的地方,数字人念出来一定更别扭。

改稿有四条实用规则:一句只说一件事,单句控制在15到20字;把书面词换成口语词,“进行优化”改成“改一下”,“具备较强的稳定性”改成“不容易出问题”;数字和英文单独处理,把“2026年11月”写成“二零二六年十一月”,或者提前试听确认读法;主动加停顿,用短句和句号制造换气点,而不是靠逗号一路拖到底。一条60秒的口播稿,成稿字数大约在220到260字,超过300字基本就要超时。

三、素材准备与合成:按这个顺序操作

形象和声音是两条独立的素材线,分开准备效率最高。形象侧需要一段正面、光线均匀、口型清晰的本人视频,或者一张清晰正脸照片;声音侧需要一段安静环境下的录音,用来复刻音色。两者都要求本人知情同意,商用场景尤其要留好授权凭证。

  1. 先写稿并读一遍,用手机计时,确认落在目标时长内。
  2. 上传或录制形象素材,注意镜头平视、背景干净、头发不遮住眉骨和下颌线。
  3. 录制声音样本,选一段包含陈述句、疑问句、数字和英文词的文字,语速保持自然。
  4. 在生成页面粘贴定稿,选择画幅与背景,先只生成前15秒试听。
  5. 试听时重点听多音字、数字、专有名词的读法,发现问题只改那一句再重新生成。
  6. 全片生成后加字幕,导出前完整看一遍,检查口型、音量、字幕遮挡和结尾落版。

第六步最容易被跳过。很多问题在生成页面看不出来,只有导成片一口气看完才会暴露,比如第40秒字幕压住下巴、片尾落版被平台按钮挡住。把完整看片固定成流程的一环,比事后补救便宜。

如何开始:先做一条30秒的测试片

第一次不必追求成片质量,用一条30秒的测试片把流程跑通更有价值:它能暴露你的素材问题、稿子问题和设置问题。测试片通过后,再按同一套参数批量生产。https://clone.geekone.cc/web 可以直接开始制作,上传形象与声音素材后即可生成口播视频,建议先做一条短的验证效果,再决定是否投入到正式内容。

大连极客十一维科技有限公司

辽ICP备20003932号