~—消耗：—
会说话的 AI 数字人
会说话的数字人，就是一张能开口说话的人像。给 AvatarCraft AI 一张照片和一段声音（输入的文字、上传的音频或现场录音），它就会生成这张脸说出你这段话的口型同步视频。可以从 160+ 个预设数字人中挑选，也可以上传自己的照片。
如何用一张照片做出会说话的数字人
选择预设头像或上传照片
从 9 个分类（广告、科技、教育、休闲、新闻、婴儿、动物、唱歌、圣诞）的 160+ 个预设数字人中挑选，或上传自己的 JPG、PNG、WebP 图片，最大 10MB。照片里只有一张清晰的正脸、表情自然放松，口型同步效果最自然。
输入脚本，从 330+ 个声音中挑选
最多可输入 2,000 字符，并从覆盖 20+ 种语言的 330+ 个声音中选一个。每个声音都可以免费试听，文字转语音每 200 字符消耗 1 积分。
或者用你自己的声音
上传 MP3、WAV 或 M4A 文件（最大 50MB），或直接在浏览器里录音。用自己的录音，能保留你的语速、语气和发音。
生成、查看并下载
选择 540p 或 720p 后开始生成。540p 下一段 10 秒的视频大约需要 3 分钟。在历史记录里查看效果，然后下载视频。
使用场景
会说话的数字人能用在哪里
需要一张脸来帮信息传达到位、又不方便真人出镜拍摄的地方，都用得上。
培训与入职引导
把流程更新或欢迎致辞做成一段短视频，不用专门约时间录制。
社交媒体短视频
只用一张图，就能让角色、吉祥物或宠物开口念出你的文案，直接发布。
课程与知识讲解
给课程小结或实用小技巧配一位固定出镜的讲解老师。
生成前需要了解的事项
数字人视频的限制与价格
音频时长
每个视频需要 3 到 60 秒的音频。免费版最长 20 秒。
分辨率与价格
540p 视频每秒消耗 1 积分。720p 每秒消耗 2 积分，需要付费套餐。
免费开始
新账号赠送 30 积分，够生成一段 540p、20 秒的数字人视频。
照片要求
JPG、PNG 或 WebP，最大 10MB，需有一张清晰的脸。真人照片、插画、宠物和卡通角色都可以。
声音来源
可用文字转语音（330+ 个声音），上传 MP3、WAV 或 M4A 文件（最大 50MB），或在浏览器里录音。
生成时间
一段 10 秒的视频，540p 约需 3 分钟，720p 约需 6 分钟。
如何制作会说话的数字人
三步完成：选脸、配音、生成
01
选择你的数字人
挑选一个预设数字人，或上传一张只有一张清晰正脸的照片。
02
加入声音
输入脚本并选择声音，或上传音频文件，也可以在浏览器里直接录音。
03
生成并下载
选择 540p 或 720p，点击生成，检查口型同步效果后下载视频。
为什么用数字人代替实拍
- 改文案，不换脸: 脚本有改动时，重新生成视频就行，不用重拍。
- 任何你有权使用的脸: 只要有一张清晰的脸，真人照片、插画、宠物和卡通角色都能用。
- 用你的声音，或 330+ 个声音之一: 可以用文字转语音、你自己的录音，也可以用一首歌。
改文案，不换脸
同一个数字人可以讲更新后的功能清单、修正后的价格，或你自己翻译好的脚本。
任何你有权使用的脸
预设数字人涵盖讲解人、新闻主播、婴儿、动物、歌手和节日角色。
用你的声音，或 330+ 个声音之一
如果音频是音乐，AI 唱歌照片生成更适合做唱歌表演。
关于用 AvatarCraft AI 制作会说话的数字人，大家常问的问题。
会说话的数字人常见问题
什么是会说话的数字人？
会说话的数字人（也叫说话头像）是把一张静态人像变成视频，让这张脸说出你提供的音频。AvatarCraft AI 只需一张照片，就能根据文字转语音、上传的音频或录音驱动嘴部和面部动起来。
怎样制作会说话的数字人？
在 AI 数字人工具里选择预设数字人或上传照片，通过输入脚本、上传音频或录音加入声音，然后点击生成。视频完成后，在历史记录里查看并下载。
可以用我自己的照片做数字人吗？
可以。上传一张 JPG、PNG 或 WebP 图片（最大 10MB），照片里需有一张清晰的正脸。请只使用你拥有或已获授权的照片，未经同意不要冒充真实人物。
AI 数字人生成器可以免费用吗？
可以免费开始：新账号赠送 30 积分，够生成一段 540p、20 秒的视频。之后，视频在 540p 下每秒 1 积分、720p 下每秒 2 积分，文字转语音另按每 200 字符 1 积分计费。
数字人视频最长可以多长？
每个视频使用 3 到 60 秒的音频。免费版每个视频最长 20 秒。
支持哪些声音和语言？
文字转语音提供 20+ 种语言的 330+ 个声音，每个都可免费试听。你也可以上传或录制任意语言的音频，数字人会跟着音频说。
数字人能和人现场对话吗？
不能。AvatarCraft AI 是根据你提供的音频生成视频，不是能实时聆听并回答问题的互动式数字人。
能控制情绪、语速或手势吗？
没有单独的控制项。数字人的表现跟随音频：想要特定语气，可以自己录音；也可以在文字转语音页面用 Expressive 声音生成音频，用文字描述想要的语气和节奏。不支持手势控制。
会说话的数字人做不到什么？
每个视频只驱动一张脸。它不会翻译你的脚本，也不能批量生成视频。想用克隆声音说话，需要先在文字转语音页面（Clone 标签页）生成音频，再拿到这里使用。如果要给已有视频换上新音频，请改用 AI 视频对口型。