AI 数字人
什么是 AI 数字人？
AI 数字人可以把一张头像图片和一段音频合成为会说话的数字人视频。上传人物图片，选择音频后，Voicv 会根据声音驱动人物口型和表情。
音频既可以来自你已经生成完成的 TTS 结果，也可以直接上传本地音频文件。选择 TTS 时会展示对应文案；上传音频时视频直接按音频生成，不需要填写文案。
数字人视频按真实音频时长和分辨率扣除视频积分。720p 适合快速预览和轻量发布，1080p 适合更清晰的正式成片。
4 步生成数字人视频
准备一张头像图片和一段音频，就可以在 Voicv 中生成可播放、可下载的数字人视频。
第一步：选择头像图片
上传自己的头像图片，或使用页面下方的模板图片。建议使用光线清晰、面部无遮挡、正面或接近正面的图片。
第二步：选择或上传音频
可以选择已完成的 TTS 音频并试听，也可以上传自己的 MP3、WAV、AAC、OGG 或 WebM 音频文件。
第三步：设置视频选项
选择 720p 或 1080p，并可在高级选项中调整 Video prompt，用来控制镜头、姿态和动作风格。
第四步：生成并下载
提交任务后，在右侧最近任务中查看进度。完成后可以在线播放、下载或删除结果。
为什么用 Voicv 生成数字人视频？
Voicv 把头像、音频、积分和任务历史放在同一个工作流里，让数字人视频生成更直接。
图片加音频即可生成
不需要拍摄真人视频，只需要一张人物图和一段声音，就能快速制作讲解、课程、口播和社媒内容。
支持 TTS 和上传音频
可以复用 Voicv 已完成的 TTS，也可以上传自己的录音。两种来源都使用同一套视频生成流程。
积分规则清晰
视频积分按音频整数秒计费：720p 每秒 3,000 credits，1080p 每秒 5,000 credits。不足 1 秒按 1 秒计费。
任务历史和下载
最近任务会保留在页面中，方便你查看状态、播放成片、下载视频或清理旧结果。
关于 AI 数字人的常见问题
了解头像图片、音频来源、积分扣除、分辨率和生成结果的常见规则。
应该上传什么样的头像图片？
建议使用清晰的人像图片，面部可见、无遮挡、光线自然。正面或接近正面的图片通常更容易生成稳定的数字人视频。
可以同时支持 TTS 音频和自己上传的音频吗？
可以。你可以选择 Voicv 中已完成的 TTS 音频，也可以直接上传本地音频文件。上传音频模式不需要填写文案。
为什么选择 TTS 后文案不能修改？
文案来自选中的 TTS 结果，保持只读可以避免页面文案和实际用于生成视频的音频不一致。
视频积分怎么计算？
系统会按选中或上传音频的整数秒计费。720p 每秒 3,000 credits，1080p 每秒 5,000 credits，不足 1 秒按 1 秒计费。
720p 和 1080p 应该怎么选？
720p 更适合快速预览和轻量分享；1080p 更适合正式发布、客户交付或需要更高清晰度的场景。
生成数字人视频需要多久？
耗时取决于音频长度、分辨率和队列情况。短音频通常会在任务列表中从生成中直接进入已完成状态。
如果生成失败会怎样？
如果视频生成失败且已经扣除了视频积分，系统会按任务状态退还视频积分。原本的 TTS 结果不会被修改。
生成的视频可以商用吗？
是否可商用取决于你的套餐、头像图片权利和音频权利。请确保你拥有上传人像和录音的使用授权。
开始生成你的数字人视频
上传头像图片，选择 TTS 音频或上传自己的音频，用 Voicv 快速创建 AI 数字人。