三步，做出您的
数字人口播视频

写好文案 · 选好形象和声音 · 交给制片间

壹粘贴或让 AI 写文案

贰选您的形象与声音

叁生成，坐等成片

按场景开始

自媒体口播

短视频口播、知识分享、Vlog

营销推广

产品介绍、直播带货、广告投放

知识科普

教程讲解、课程录制、科普视频

政企宣传

企业宣传、新闻播报、培训视频

热门模板

视频引擎

文案引擎

配音引擎

数字人引擎

1

选择模板

2

数字人形象

3

文案输入

4

声音设置

5

字幕与效果

6

预览与生成

选择创作模板

点击卡片选中，可一键应用全套样式

数字人形象

点击卡片选中，再次点击取消

生成引擎

决定这张脸怎么"动"，切换立即全局生效

文案输入

0 字

字数 0 字 · 预估时长 0 秒

爆款模板（可选）

自由创作不套用模板

创作主题 / 要点

目标风格

视频链接 / 分享文本

粘贴抖音/快手/B站分享文本，系统自动提取文案（含字幕转写，无需任何配置）

文案 AI 处理

音色选择

点击卡片选中，试听音色

语音高级设置

语速 1.0

音量 100

音高 0

句间停顿 0.5s

情感克隆音色（VoxCPM）的语气跟随你的原声样本，此标签暂只对部分云端 TTS 生效

自动去静音

人声增强

字幕样式

字幕样式预设

字幕动画

字幕位置

字号 24

双行字幕

卡拉OK逐字

字间距 0

背景音乐 (BGM)

曲目

音量 11

淡入 1.0s

淡出 1.0s

视频效果

转场

滤镜

滤镜强度 50

水印

水印文字

位置

透明度 50

片头片尾

启用片头

启用片尾

配置汇总

发布设置

目标平台

自动发布

流水线进度

生成结果

视频将在此处展示

标题

—

最终文案

—

文案输入

口播文案 150-500 字，系统自动润色

参考视频链接可选，用于对标文案提取

商品链接可选：填了就在成片里加该商品的轮播图，不填则跳过

生成设置

文案模式

目标平台

数字人形象

音色

自动发布到目标平台

流水线进度

生成结果

视频将在此处展示

标题

—

封面

—

最终文案

—

详细信息

原始文案

输入文案 0 字

创作主题 / 要点

目标风格

AI 处理

处理结果

输出文案 0 字

使用提示

润色：优化表达，保留原意

仿写：语义级改写，避免查重

扩写：增加细节和案例

缩写：精简压缩，保留核心

风格转换：调整语气风格

主题生成：根据主题创作

需先在「设置 → 模型配置」配置 LLM API Key，否则使用 Mock 模板

基础设置

口播文案

参考视频链接（可选）

数字人形象

音色

文案模式

目标平台

选择模块执行

执行模块

音频产物

执行后展示

视频产物

执行后展示

执行结果

等待执行...

批量文案输入

文案来源

文案列表每行一条文案，空行分隔

N 条文案 × 1 组参数 = N 个视频

数字人形象

音色

文案模式

文案模板仅手动输入时生效

发布平台（可多选）每个平台选一个账号；不勾 = 只出片不发布

生成后自动发布到所选平台

商品链接可选：填了就在成片里加该商品的轮播图，不填则跳过

批量进度

0 / 0

提交后将显示每条文案的处理进度

当前赛道

新建赛道

预设

出一篇口播稿

人物如：平儿、探春、袭人

主题如：被人求情怎么办

一次出 3 条，方向分别是：职场（她今天是什么角色）、家庭（婆媳/亲戚/家务事）、共鸣（说中你的情绪）。每条都是「钩子 → 生平 → 现代身份 → 手段 → 借鉴 → 悬念」六段。

结果

左边填人物和主题，点「出稿」。

🧪 提示词调试（写稿）

这是生产环境正在用的写稿提示词：「出一篇口播稿」（单篇，count=1，desc 取选题标题）和 选题 / 生产的三版写稿（职场 / 家庭 / 情绪）共用这一套。改完点「保存」立即生效，不用重启。

测试人物

操作测试不改数据，只跑一次 LLM

System 提示词写稿规则

User 提示词模板占位符：{timeline} {material} {character} {count} {scenario_list}

输出

点「测试生成」看效果

事实纪律 / 合规要求 / 审稿提示词（只读参考）

抓取一本书

目录页 URL 汉典古籍，如 https://gj.zdic.net/shibu/107/

书名留空自动识别

作者

朝代

章节过滤如「列女」只抓该章

版权

引用上限(字)

粘贴导入

书名

作者

正文可用「## 小节标题」分段

书籍

0 本

人物档案同一人物的性格 / 手法 / 事件 / 原话

素材条目

检索

主题

风险

主题列表

加载中…

引用视频列表

视频链接每行一条；支持抖音 / 快手

数字人形象

音色

目标平台

画面比例横版 / 竖版

发布账号随目标平台联动

深度改写文案降低与原文重合度（目标 ≤50%），规避平台判重生成后自动发布是否标注「内容为AI生成」由发布配置决定

每条约 8~10 分钟（下载 → 提取文案 → 我们的口播 → 分屏+字幕），串行执行。

批量进度

0 / 0

提交后显示每条的处理进度（下载 / 提取 / 出片 / 分屏）

参考链接输入

视频链接每行一个；也可直接粘贴平台分享文案，会自动识别链接

文案模板选中后按该爆款结构优化文案；不选则自由发挥

数字人形象

音色

发布间隔

发布平台（可多选）每个平台选一个账号；不勾 = 只出片不发布

每生成一个就自动发布一个

商品链接可选：填了就在成片里加该商品的轮播图，不填则跳过

处理进度

0 / 0

提交后将显示每条链接的处理进度

画中画与插播视频

画中画模式（PIP）：B-roll 视频以小窗口叠加在数字人画面上，数字人仍可见（适合讲解类）
整段切换模式（CUT）：在指定时间段用 B-roll 替换主画面，数字人暂离（适合展示实景素材）
三种插入方式：① 点击字幕间的 + 在两段字幕之间插入；② 点击 B-roll 轨道空白处在任意位置插入；③ 点击"在播放头插入"按当前播放位置插入
快捷剪辑：裁剪头尾、调整音量、片头片尾淡入淡出，一键应用

选择任务

选择已生成视频的任务

B-roll 素材库

上传新素材

点击上传视频/图片

时间轴编辑器

请先选择一个任务

选择任务后将显示字幕时间轴

唇形同步工作原理（默认 MuseTalk 本地 GPU）

1. 上传参考素材：上传一张真人正面照片，或一段嘴巴不动的真人视频（3-10秒）
2. 生成音频：系统将文案转为语音（TTS）
3. 唇形同步：MuseTalk（本地 GPU）根据音频驱动参考素材中的嘴唇动作，失败自动降级 Wav2Lip
4. 输出视频：生成嘴唇会动的数字人口播视频

注册新形象

形象 ID 英文字母+数字

参考素材（真人照片或嘴巴不动的视频）

点击或拖拽上传照片/视频

支持 JPG/PNG 照片或 MP4/MOV 视频，建议正面清晰、嘴巴不动

AI 生成形象（云端 Seedance）

新形象 ID 英文字母+数字

参考头像来源

场景提示词（人物长啥样由参考图决定，这里写构图/衣着/背景/动作）

用 Seedance 2.0 从头像生成 10 秒全身动态参考视频（保留人物长相、按提示词换构图和背景），自动注册为形象。生成一次终身复用，之后本地引擎出片免费。约需 1-3 分钟，需已配置 ARK_API_KEY。

已注册形象

注册新音色

音色 ID 英文字母+数字

样本音频（干净人声，建议 5-20 秒；太长会拖慢每次合成）

点击或拖拽上传音频

支持 WAV / MP3 / M4A，无背景噪音

已注册音色

场景化创作模板

每个模板预置了该场景的口播文案骨架、字幕样式、BGM、滤镜、转场、情感、语速。选择场景后填入关键词即可生成完整文案，一键应用全部样式。

预制数字人形象库

预制形象可直接选用，搭配推荐音色。想要真人效果，点"换成我的真人形象"上传您的照片或出镜视频——推荐上传 10-30 秒的说话视频，数字人会保留您的头部动作和神态，效果远好于静态照片。

预制音色库

基于 Edge TTS 的免费音色，按场景推荐。点击"使用此音色"将设为默认音色。

样式模板库（字幕/BGM/滤镜/转场）

任务列表

任务 ID	状态	创建时间	更新时间	操作

任务详情

选择上方任务查看详情

本机算力与模型库

检测中

正在检测显卡...

云端引擎密钥

检查中

密钥只保存在本机 .env 文件，保存后立即生效，页面永远不会回显已保存的密钥。

📖 第一次配置？点开看开通步骤（约 10 分钟）

即梦数字人（全身驱动，1元/秒，通常有新用户免费额度）：
① 注册并实名认证火山引擎
② IAM 密钥管理 → 新建密钥 → 得到 Access Key / Secret Key（Secret 只显示一次，当场复制）
③ 即梦AI 能力页 → 开通「数字人」能力（按量后付费）
④ 控制台搜「TOS 对象存储」→ 开通 → 创建存储桶（地域选华北2-北京，权限私有）→ 桶名填到下方
⑤ 填好保存后，到「数字人模型」页把提供商切成「即梦数字人」即可

Seedance 空镜（自动 B-roll，可选）：
火山方舟 → 开通管理 → 开通 doubao-seedance-2-0-fast（需账户余额>200元）→ API Key 管理 → 创建 → 填到下方

火山 Access Key 未配置

火山 Secret Key 未配置

TOS 存储桶名未配置

方舟 ARK API Key（Seedance，可选）未配置

留空的输入框不会覆盖已保存的值

LLM 大语言模型配置

检查中

服务提供商

模型名称

API Key 未配置

API Base URL

Temperature 0.7

Max Tokens

超时（秒）

TTS 语音合成配置

检查中

服务提供商默认 VoxCPM 本地 GPU，失败自动降级 moss_nano → edge_tts

GPT-SoVITS 服务地址

API Key 可选，若服务需要鉴权

默认音色 ID

超时（秒）

ASR 语音识别配置

服务提供商

模型仅 FunASR 生效；whisper_local 的模型在配置文件 asr.whisper 中设置

识别语言

每行最大字符数

数字人模型配置

检查中

服务提供商默认 MuseTalk 本地 GPU，失败自动降级 Wav2Lip

默认形象 ID

数字人服务地址

表演提示词（可留空）仅「即梦数字人（云端）」生效，最多 300 字。画面里的人是谁由你上传的形象决定，提示词只微调表演风格与镜头。

输出 FPS

超时（秒）

输出分辨率

×

字幕样式

字幕样式预设

字幕动画

字幕位置

字号

每行最大字符

字体颜色

描边颜色

描边宽度

字间距

双行字幕

卡拉OK逐字

背景音乐 (BGM)

BGM 音量 0.15

BGM 目录

视频输出参数

输出 FPS

视频码率

音频码率

画面比例

FFmpeg 路径

封面设置

封面样式

封面标题预览

封面预览

封面生成模式

标题最大字符数

字体文件路径

音频效果

语速 1.0

音量 100

音高 0

句间停顿 0.5s

情感克隆音色（VoxCPM）的语气跟随原声样本，此标签暂只对部分云端 TTS 生效

自动去静音

人声增强

视频效果

转场

转场时长 0.5s

滤镜

滤镜强度 50

水印

水印文字

位置

透明度 50

片头片尾

启用片头

启用片尾

发布模式

发布间隔（秒）

平台管理

平台 Cookie 管理

上传各平台登录 Cookie，用于自动发布

获取 Cookie 方法：浏览器登录对应平台 → F12 开发者工具 → Application/存储 → Cookies → 复制全部 Cookie（JSON 格式）粘贴到对应平台输入框。
小红书 / 百家号：由 social-auto-upload 处理，点「扫码登录」用 App 扫码即可，不需要粘贴 Cookie。

一键分发

将已生成的视频一键分发到多个平台

选择任务

分发平台（多选）

视频标题（留空则用文件名）

视频描述

标签（逗号分隔）

状态说明

FFmpeg：视频处理引擎，必须可用

TTS：默认 VoxCPM 本地 GPU 声音克隆，失败自动降级 moss_nano → edge_tts。「云端 TTS 服务」一项仅探测旧云端接口，不影响本地引擎

数字人：默认 MuseTalk 本地 GPU 唇形同步，失败自动降级 Wav2Lip。「云端数字人服务」一项仅探测旧云端接口，不影响本地引擎

LLM 模式：Mock 模式表示未配置 API Key，使用模板化文案。配置 DeepSeek/Qwen API Key 后切换为真实生成

提示：TTS 与数字人默认走本地 GPU 引擎（VoxCPM / MuseTalk），无需云端服务；本地引擎失败会自动降级并在日志中说明原因。前往「设置 → 模型配置」调整各模型。

三步，做出您的
数字人口播视频

按场景开始

最近创作

热门模板

开始创作

一键生成视频

文案工作台

分步创作

批量处理

IP 创作

带货主题素材库

分屏讲解

批量对标

时间轴剪辑

我的形象

我的声音

模板中心

我的作品

模型配置

视频设置

场景与效果

发布设置

系统状态

三步，做出您的数字人口播视频

按场景开始

最近创作

热门模板

开始创作

一键生成视频

文案工作台

分步创作

批量处理

IP 创作

带货主题素材库

分屏讲解

批量对标

时间轴剪辑

我的形象

我的声音

模板中心

我的作品

模型配置

视频设置

场景与效果

发布设置

系统状态

正在生成视频...

三步，做出您的
数字人口播视频