感谢您选择获客帮数字人视频合成平台。获客帮数字人技术经过数年研发，致力于成为最简单易用的在这里您可以创建自己的AI形象和声音，然后通过打字生成您数字分身的视频。您也可以选择公版形象和声音，通过配置文案生成您想要的视频。
1、顶级形象克隆质量：使用1分钟的录像，训练高清嘴型和动作AI模型，创作您的个性化数字分身
2、多语种声音克隆，使用1分钟语音，训练您的专属声音模型，支持说普通话、粤语、台湾腔调、全球主流外语和方言
3、自定义背景：可使用自定义视频或图片背景，干净无瑕疵的人物抠图
4、内置顶级换脸算法：仅需一张照片即可更换视频人物五官
5、智能动作调整：独家AI算法，实现人物动作和说话节奏的精准匹配

登录

用您注册的手机号/邮箱，登录网址 https://ai.huokebang.cc/ 。 建议您使用电脑端的Microsoft Edge 或Chrome浏览器。使用您的已有账号登录，或点击“注册”注册新账号。详情可以添加微信：daxiong518168

创建您的第一条视频

登录后，先试试创建一个数字人视频吧！点击“视频创建”模块，给视频起个名称，然后输入您希望数字人口播的文字，记得选择恰当的语言和音色。点击预览音频。点击预览音频后，会触发弹窗，可以预览音频，或者内容不满意可以重新编辑。预览音频后，可以看到此音频生成视频需消耗的金币数量。如果音频没有问题，也认可消耗的金币数量，则可以点击“合成视频”来生成视频。点击后，会自动跳转合成结果页面，稍等片刻，您就可以下载数字人视频了。

合成视频高级功能

选择不同数字人形象

您可以选择自己创建的形象，或者公版数字人形象进行视频合成。公版数字人为平台提供的样例数字人形象，仅做学习参考，平台不保证版权和商用性。

选择数字人声音

在创建视频的时候，记得选择适合您文案的声音。我们提供数十种语言和上百种音色。您还可以使用自己克隆的语音进行配音。

自动创建字幕

首先点选数字人画面下方的“字幕”开关，再点击“字幕”功能配置。就可以对字幕的字体、颜色、背景进行配置。字幕仅支持通过“使用文本”创建的数字人视频，不支持“音频驱动”的数字人视频。

更换背景

首先，并不是所有的形象都支持更换背景。如果您把鼠标放到“背景”上，提示”当前形象不支持”，则您需选择其他形象。对于您自己创建的形象，你需要在创建形象时同时选择背景色，才能获得支持更换“背景”的形象。对于支持更换背景的形象，您可以选择下方提供的公版图片，或上传使用自己的图片/视频作为背景。

使用个性化克隆形象生成视频

您可以使用线下真实人物拍摄的一小段视频，生成个性化克隆形象的基础视频模型，后续可基于此基础视频模型生成短视频，短视频中人物的形象、声音、唇形、动作、服装道具则与拍摄那小段视频一致。我们称这一小段原始的视频和音频为基础视频。同一个人，可能因为使用场景发生改变而拍摄的动作需要变化（比如坐姿改为站姿）、表情需要变化（微笑改为严肃）、衣着需要变化（正装改为休闲等）等等，拍摄处的不同的小视频，被定义为不同的基础视频。基础视频的拍摄有特定要求，具体要求请见Q&A2。第一次训练默认为瞬时模式形象克隆，一分钟完成数字人形象创建（免费不消耗钻石）。如对瞬时模式训练效果不满意，可点击“继续训练”消耗一个钻石等待两小时得到超逼真数字人模型！具体操作步骤如下：拍摄基础视频后，选择“视频生成形象”模块按照页面信息“视频生成形象操作流程”和“原始素材要求”的内容去上传对应视频和操作。按步骤：1、形象名称：给您的形象输入一个名称2、形象性别: 根据您基础视频里的人物进行与之对应的性别选择3、原始背景：如您希望生成后的克隆形象可以抠图，需要上传原始背景图片4、如上步骤都操作好后，就可以点击“快速创建”了（瞬时模式），瞬时模式的数字人形象生成成功后，您可以在页面右侧我的形象里查看。回到”创建“模块下找到”我的形象“里面去进行视频生成使用。5、如您瞬时模式生成的数字人形象不满意，可在”视频生成形象”模块查看”我的形象”下点击“”对应的数字人形象消耗钻石选择”专业克隆”训练成功后您将得到一个超逼真的数字人模型！某些情况下，在上传基础视频时，会显示“上传文件类型不确定”，解决方法见Q&A3。最终可在“创建”模块，点击“”我的形象”，找到您新生成的基础视频模型。选择您自己的人物模型后，参考“使用公版形象生成视频”的步骤，使用此基础视频模型形象生成短视频。

使用自有声音生成克隆声音

可以利用线下真实人物的一小段音频，通过系统训练，生成音频模型。音频的录制有特定要求，具体要求请见Q&A4。选择“声音克隆”模块，按照“如何使用”的要求，上传音频后点击“开始训练”即可，生成的音频模型会在页面右部显示。生成的结果可在“创建”模块中使用，在生成短视频选择音色时，在“声音克隆”部分可以看到克隆的音色。目前克隆声音算法还处于持续迭代中。如果您克隆的声音有杂音或者漏字

• （1）您上传的音频没有背景噪音，没有背景音乐

• （2）您上传的音频是高清音质wav格式。上传音频的质量比长度更重要。高质量的30秒音频就足够做出高质量的克隆声音

• 3）您上传的音频需要包含带语气的完整的一段话，避免“123123”这种重复没有意义的话术。如果以上要求您都满足，或者您需要克隆的原始音频无法修改，则您在合成时候需要输入少于100个字的文案，把长文案拆成多段合成。文字个数少于100个的时候，语音合成效果明显优于长文本

换脸功能

可以通过换脸功能，将基础视频中的形象与上传照片中的形象进行脸型、五官等方面的替换。上传需要进行换脸的视频和替换人脸图片，操作流程和要求可点击信息查看，点击效果预览，预览展示图满意的话，点击开始换脸，进行处理。点击开始换脸后，会触发弹窗进行肖像授权，确认后系统进行处理换脸视频生成成功后可以从页面右侧历史记录里查看通过上述操作，可以生成您想要的换脸视频了。

视频去字幕

可以通过视频去字幕功能，将带有字幕的视频进行上传。算法会自动识别移除该区域的文字，并且完美保持画面的完整性。处理完成后您将获得一个没有任何文字痕迹的视频！时长要求：30s以内 (如果上传的视频时长超过30秒，结果会被自动截断)点击问号logo查看上传符合 “视频去字幕要求” 的视频，随后点击“AI去字幕”生成成功后您可以在页面右侧查看结果视频

Q&A1：如何登录页面及账号？

通过下单时留下的邮箱/手机号进行登录，如果未注册，可先自行注册。

Q&A2：如何拍摄一段合格的“基础视频”？

1.1 过程建议

环境建议：（1） 灯光建议：影棚人像灯光组，至少需要有前景光源，和背光（轮廓）光源，人物离绿幕尽量远（2米及以上）便于达到比较好的绿幕抠图效果，注意避免衣物或道具反射绿光；（2）声音建议：环境背景噪音需小于45db，无回声，无混响，建议录制前做好检测；设备建议：（1）专业录像与录音设备：录像设备建议索尼A7S3或A7M4，录音设备建议小蜜蜂，40mm或者50mm大光圈镜头（建议50mm F1.8 定焦镜头），光圈F2.8～F4，快门不高于1/100，ISO不高于800（具体参数需根据实际灯光环境调试）；（2）其他设备（电脑、视频采集卡、提词器等）：根据实际情况而定，能满足需求即可；录制参数：建议2k/30帧（如需高清可设定更高参数），非HDR格式；拍摄建议：（1）视频中要有声音，要保持音画同步；（2）动作建议：相机需正对面部。讲话时，眼睛可以看提词器，提词器需要和相机处于同一方位，声音洪亮清晰，说错跳过下一句，动作幅度不超过相机采集框，不遮挡脸部。可以根据讲话习惯做一些轻微动作（例如：手势比划、头部晃动之类，但不要用有意义的动作——赞美/否定性动作等），需使用通用动作，动作幅度不宜过大，且动作频率不能过高，不能遮挡面部。嘴唇开合可以适度明显一些，可以比日常生活中稍夸张一些。讲话的内容可以由被拍摄者准备，也可根据被拍摄者的情况，简化素材为背诵熟悉的诗词、数字、字母等。（3）抠图需求：如后期需更换背景，以上视频均需采集1-2秒空镜头；特别说明：（1）视频中出现的动作会在最终生成视频时按照拍摄时的动作顺序播放；（2）需避开绿色或蓝色服装（避免抠图误识别）等，不支持AI更换服饰；（3）可佩戴框架眼镜。

1.2 结果要求

时长要求：30秒-5分钟；音画同步要求：视频中需要讲话，且必须音画同步，音频和嘴唇运动必须同步。其他要求：视频中只能包含一张脸；不允许环境噪音或其他声音（除了您的讲话）；保持适度的语速（语速过慢可能会降低嘴唇同步精度；语速过快可能会导致嘴唇同步抖动）

Q&A3：如何解决“上传文件类型不确定”的问题？

当遇到显示“上传文件类型不确定”时，可以使用“剪映”刷一下格式（如原文件是MP4模式，但因为是相机里导出的原始视频等原因，系统无法确定文件类型，用“剪映”刷一下格式即可，格式可同样还是MP4格式）。先查看一下原始视频的参数，右键点击视频的属性-详细信息，主要关注”帧宽/高度”、”总比特率”和“帧速率”，在剪映中选/填的参数要符合原始视频的参数。例如，下图为原始视频的参数。打开剪映，“导入”原始视频后，在“导出”时，选择如下参数（注意是选择CBR而不是VBR），导出后的视频文件即可被视频合成平台使用。

Q&A4：如何录制一段合格的“基础音频”？

1.1 过程建议

素材时长：15秒 – 60秒；环境要求：环境背景噪音需小于45db，无回声，无混响，录制前需做好检测；设备要求：指向性电容麦克（例如心形指向）；录制要求：使用麦克风录制符合客户使用场景语气语调的声音（该语气即交付后合成音频的语气），不要把设备放在嘴边，避免有喷麦的声音，说错可跳过继续下一句。注意关闭混响，无需对原始音频文件进行任何后期调整；录制参数：48k，16bit，单声道，标准化后增益应该在0.4以上；推荐软件：Adobe Audition；

1.2 结果要求

语音文件支持mp3和wav格式，音频数量最多1条，时长为1-5分钟，优质模式时长需要5分钟及以上。单人清晰人声，无背景噪音，房间混响，音量音调均匀，没有极长的沉默间隙。

Q&A 5:克隆声音有杂音或漏字怎么办？

目前克隆声音算法还处于持续迭代中。如果您克隆的声音有杂音或者漏字请首先检查

• （1）您上传的音频没有背景噪音，没有背景音乐

• （2）您上传的音频是高清音质wav格式。上传音频的质量比长度更重要。高质量的30秒音频就足够做出高质量的克隆声音

• （3）您上传的音频需要包含带语气的完整的一段话，避免“123123”这种重复没有意义的话术。如果以上要求您都满足，或者您需要克隆的原始音频无法修改，则您在合成时候需要输入少于100个字的文案，把长文案拆成多段合成。文字个数少于100个的时候，语音合成效果明显优于长文本