AI数字人：一张照片变成主持人

会说话的数字人，是从一张静态照片生成的主持人：你给它一张脸和一段话，它就生成这张脸说这段话的视频。KreatorFlow通过对口型来实现，对口型经由BytePlus运行ByteDance的OmniHuman 2.0（KreatorFlow是BytePlus（ByteDance旗下公司）的官方合作伙伴）。这是音频驱动的模型，声音里的停顿、重音和语气都会直接体现在脸上。

它从一张照片生成一段连续的口播镜头。它不是能实时对话的数字人，也不会在主持人周围拍出新的场景。这类画面请在剪辑软件里，把数字人片段和素材画面组合起来完成。

• 像真正的主持人那样构图。肩部以上或半身，视线看向镜头，光线均匀，嘴部不被遮挡。
• 照片要配合视频格式。TikTok和Reels适合竖版自拍风照片，YouTube和课程适合横版的影棚风照片。
• 写给耳朵听的文案。短句和自然的停顿比密密麻麻的段落更好懂，也给数字人留出反应的时间。
• 演出说明点到为止。在重点处点头、最后微笑、镜头缓缓推近就够了。外貌照片已经交代清楚，不用再描述。
• 长文案分段。比起一条很长的镜头，多段短镜头剪在一起更像真正剪辑过的视频。

按音频秒数计算：720p每秒4积分，1080p每秒6积分，1分钟的视频用720p为240积分。有付费套餐（Creator首月$19起）或积分包（$8起）即可使用，失败的视频会自动退回积分。各时长的价格表请见AI对口型页面。

只能使用你本人的照片，或已获得许可的他人照片。让真实人物开口说话需要本人同意，不能冒充他人。声音也必须是你自己录制或有权使用的。发布真实人物的逼真视频时，请注明由AI生成。完整规则请见可接受使用政策（英文）。