数字人能把一张人物图和一段配音做成会说话的视频，但成片好不好用，仍要看口型、声音、动作和标识。先用几秒钟的虚构台词试一遍，再决定要不要上传自己的照片或录音。
本文用可灵 AI 数字角色 2.0 作网页端示例。真人照片和声音都可能涉及个人权利；示范流程使用平台自带形象和文字配音，不上传作者或他人的人脸、录音。你要改用自己的素材时，先确认服务的隐私与留存说明，并确保拥有相应使用权。
可灵数字人 720p、4 秒样片，画面保留 AI 生成标识和可灵水印
先准备一段短台词
先写一句能在几秒内说完的话，例如：
大家好，今天用三步把一段知识讲清楚。
把句子按自然停顿加标点，避免一开始就做长篇。练习包中的 story-request.md 提供了可替换的虚构口播稿和检查记录。
在网页端选择形象
- 打开可灵的「数字人」页面。页面可从本地上传人物图、选择历史创作、使用官方形象，或用「AI生图」生成形象。第一次测试可先选官方形象，不必上传真人照片。
- 若使用自己的照片，选择清晰、正面、无遮挡且只有一人的图片更容易检查结果；这是实用建议，不代表平台的硬性尺寸规范。不要上传没有获得许可的他人照片，也不要把公开可见误当作授权。
- 可灵官方指南说明，数字人输入包括角色图、配音内容和可选的角色表现；官方形象还预设了推荐音色和角色表现。
添加声音与角色表现
配音可以上传本地音频，也可以直接输入文字并选择音色、语速和情感。先试听文字转语音，再确认读音、停顿和语速；标点可以帮助分句。需要使用自己的录音时，先确认录音中每个人都同意把声音用于合成新台词及计划发布的范围。
角色表现只写一两个容易观察的动作，例如“固定镜头，面向镜头自然说话，手势克制”。可灵指南建议单人效果最佳；不要同时要求复杂走位、快速转身和夸张手势，否则更难判断问题来自口型还是动作。
生成一条低成本样片
生成前先检查页面显示的清晰度、数量和积分。本次计划只做一条 720p 短片；可灵官方说明数字角色 2.0 按秒计价，且不足两秒按两秒起步，提交前仍应以当前界面价格为准。不要为了省积分切到未经确认的付费档位。
下载后至少看三遍：
- 静音看口型是否跟着发音走，脸部是否变形，眨眼和手部动作是否突兀。
- 只听声音，核对错字、漏字、停顿、音量和句尾是否被截断。
- 声画一起看，检查画面是否稳定、动作是否符合角色设定，以及是否保留平台生成标识。
出现问题时一次只改一项：缩短台词、简化动作描述、换更清晰的形象图，或重选音色。先保留失败样片和修改记录，不要把一条样片当成稳定的批量生产能力。
肖像、声音与 AI 标识
《民法典》规定自然人享有肖像权；未经肖像权人同意，不得制作、使用、公开其肖像。对自然人声音的保护参照适用肖像权保护规定。深度合成规定还要求提供人脸、人声编辑功能的服务提供者提示用户告知被编辑者并取得单独同意。自己的照片和声音也应检查上传服务的隐私、保存和删除条件；涉及他人时，先取得清楚授权。
发布合成视频时，按服务和发布平台的标识流程主动声明。不要删除、遮挡或篡改生成标识，也不要让数字人冒充真实人物发言或背书。具体平台功能、协议和法律适用以当前页面和正式规则为准。
本次网页端核对
2026-10-14 在可灵数字人页面确认了官方形象、AI 生图、本地图片入口、文字配音、音色/语速/情感和角色表现输入。使用官方形象与虚构台词生成一条 720p 样片，页面显示并扣除 16 积分（3628 降至 3612）。作品 kling_20261014_作品_固定镜头位置，表情自_4566_0 时长 4.27 秒，画面为官方虚拟形象近景朗读，保留左上角“AI生成”和右下角可灵水印；文件为 H.264 视频加 AAC 音频，720×1280。画面中嘴部在不同帧有变化，但没有独立人耳试听或 ASR，不能据此确认语音逐字准确或口型同步质量；也没有测试真人照片、真人录音或长视频批量效果。
样片与逐项检查表：数字人口播样片练习包
封面背景由本机 ComfyUI / Z-Image-Turbo 生成，标题与“AI生成封面”标识由脚本排版。数字人样片和发布核验仍待补齐；本稿保持草稿状态。