
数字人口播要出真人口型,站内「视频生成」只出画面,口播请到 clone.geekone.cc 做:先形象克隆,再声音克隆,最后语音合成,三步都有固定字段和时长要求。顺序不能反,缺一步都会卡住。
很多人口播做不好,是一开始就走错入口。如果片子需要真人出镜、说话、对口型,要用数字人站的「形象克隆」和「语音合成」;如果只是产品空镜、风景、氛围画面,用 极客空间站 AI 视频页面 的「视频生成」(Sora 2)更快,10 秒或 15 秒一段,3 积分一次。
两条路线可以组合:数字人站出口播主体,站内生成片头空镜和产品特写,下载后到外部软件拼在一起。先想清楚这条片子有没有人说话,再决定入口,能省掉一半返工。
还要注意,站内视频生成不出对白和口型,它擅长的是画面氛围;数字人站才负责「人开口说话」这件事。把两者混在一起期待,往往两头都做不好。如果这条片子既要口播又要空镜,建议先做口播,再按口播的色调补空镜,顺序反过来容易对不上。
打开 clone.geekone.cc/web,左侧只有「形象克隆」「声音克隆」「语音合成」三项。进入「克隆形象」页面,填写「分身名称」(输入作品名称),点「上传视频」选择文件,再点「提交任务」。
样本视频的硬性要求:
提交后在「新建分身 / 全部分身 / 已完成 / 克隆中 / 已失败」里看进度。状态显示「已失败」时,先检查时长和格式,再重新上传,不要反复提交同一个文件。录制时把手机固定在三脚架或书架上,镜头与眼睛齐平,不要手持;服装选纯色、避开细密条纹,背景用纯色墙或拉一块布。讲话时看镜头而不是看屏幕,语速比平时慢半拍,表情自然,克隆出来的形象更稳。
「克隆声音」页面要填「声音名称」,点「上传音频」,再点「提交任务」。样本要求 15–30 秒自然朗读、10MB 以内、mp3/m4a/wav/amr 格式、只有一个人说话,环境安静、不要喷麦,否则合成出来会有底噪。
音色做好后进「合成声音」页面:在「选择音色」里挑刚克隆的声音,输入「AI文案」(上限 2000 字),需要停顿时用「插入停顿」,点「试听」确认语气,再点「提交合成任务」。文案按口语写,一句不超过 25 字,数字和英文缩写改成读得出来的写法。合成前先确认文案里没有生僻缩写,遇到英文品牌名可以按读音写成中文;停顿不要全靠标点,长句中间手动插一次,听起来更像真人换气。试听时重点听句尾,句尾上扬会显得不自信。全文念一遍再提交,能省下反复重合成的等待。
先用手机竖拍一段 30 秒的 1234567 朗读视频,打开 clone.geekone.cc/web 做形象克隆;同时打开 极客空间站 AI 视频页面 熟悉「视频生成」的比例和时长选项。两个站配合,口播和空镜都能自己出。
大连极客十一维科技有限公司