数字人一键生成

上传人物照片，选择音色配文案或上传完整录音；开头、结尾和正文每隔约 20–30 秒全屏真人出镜，其余时间自动匹配内容素材。

合成本身 0 点 · 素材与 HeyGen 子任务按实时价格扣点

1. 准备资料真人视频与新文案

2. 确认音色提取、复刻与短试听

3. 生成制作Precision 口型与自动剪辑

4. 成片验收预览、质检和下载

准备素材只需 2 项

上传真人视频并填写新文案后，先提取视频原声并生成短试听；确认是本人音色后再生成完整成片。

真人视频需要正常说话，建议 10–60 秒清晰人声

上传一条真人口播视频MP4 · 1–300 秒 · 不超过 100 MB · 仅当前账号可见

正在读取本账号最近上传的真人视频…

新口播文案 0 / 1000

本次视频音色自动从上传视频提取，不使用预设音色

提取原视频人声自动提取最长 60 秒的原视频声音

等待视频

复刻本人音色使用当前账号自有音色槽位，不自动购买

等待

生成短试听先试听还原度，不满意可重新提取

等待

确认后生成完整配音未经确认不会提交完整配音或 Precision 付费任务

等待确认

剪辑模板均可先看 10 秒无声示例

真人视频模式固定流程：上传视频 → 提取原声 → 复刻音色 → 短试听确认 → 完整配音 → HeyGen Precision 完整口型 → 自动剪辑、字幕与质检。

生产进度等待上传真人视频

分析真人视频

校验时长、画幅、人声质量与本人授权

等待

复刻并确认音色

从原视频人声生成短试听

等待

生成完整配音与 Precision 口型

保留身体动作，只重做嘴部动作

等待

识别并自动粗剪

处理静音、气口、停顿和疑似口误

等待

应用剪辑模板与字幕

根据所选模板完成重点字、信息卡和转场

等待

合成并质检成片

检查口型、画面、音轨、字幕和编码

等待

上传视频后才会提取声音；未确认短试听前，不会提交完整配音或 HeyGen Precision 任务。

成片已完成

下载 MP4 在资产库查看

1. 准备资料照片与完整声音

2. 确认方案按时长生成镜头方案

3. 生成制作素材与口播

4. 成片验收预览、质检和下载

准备素材只需 3 项

资料填好后，先分析时长与镜头方案；确认方案后再生成成片。

人物照片建议腰部以上，双手自然放在身体前方

选择一张人物照片原图将直接用于全部真人出镜片段，支持 JPEG、PNG、WebP

口播驱动方式二选一

文案 + 音色完整录音驱动

选择完整录音后，不需要再输入文案或选择音色，成片全程使用这段录音。

声音来源已有声音无需再次复刻

优先使用资产库中已就绪的个人声音。

顾客成片素材（最高优先级，上传必用）0 / 6

选择成片图片

上传的每一张图片都会按顺序直接进入成片；未上传的镜头再查询测试服固定本地素材库。

本地素材库没有匹配素材时，允许 AI 生成图片默认不允许；仅在你明确勾选后，本地库无匹配素材时才会创建付费生图任务。

完整口播文案 0 / 6000

素材优先级：顾客上传素材（必须全部使用） → 测试服固定本地素材库 → AI 生成图片（已允许，可取消）；最终视频不显示素材来源标签。

生产进度等待开始

理解内容并按时长规划

冻结口播切段、真人出镜和正文素材时间轴

等待

准备声音

优先复用资产库声音；按需重新复刻

等待

制作相关主画面

按最终时长动态准备内容镜头

等待

使用原图生成数字人口播

同一人物原图和声音连续讲述，不再生成中间手势照

等待

合成并校验成片

开头、结尾和每隔 20–30 秒真人全屏，其余为内容素材，并生成 Whisper 字幕

等待

成片已完成

下载 MP4 在资产库查看

历史成片

正在读取当前账号的历史视频…