语言: 简体中文

用一张照片和一段声音制作 AI数字人视频

AI数字人能把一张人物静态照片变成这个人在说话的视频。在 shuut 里,你提供一张人像,再加上写好的脚本或你自己的音频,Kling Avatar 就会让面部动起来,和话语对上。

它在浏览器里运行,电脑和手机都能用,所以用哪台设备拍的自拍,就能在哪台设备上做成数字人视频。

在 shuut 上打开工具

适用模型

模型开发方价格最低价时长
Kling AvatarKuaishou每秒 7 积分每秒 7 积分2-300秒钟

价格以积分计(1 积分 = US$0.01),每次使用时从你的 shuut 余额中扣除。每次生成前都会显示确切价格。

在“AI 数字人”工具里制作 AI数字人

打开“AI 数字人”工具,选择“说话照片”模式。

上传要开口说话的人物照片。

声音方面,可以写一段脚本,再选一个 Chirp 3 HD 声音,也可以上传你自己的音频文件。

按下“生成”,照片就会变成和这段声音同步的说话视频。

AI数字人背后的 Kling Avatar

“说话照片”模式使用 Kling Avatar,只需一张照片加一段音频就能生成说话视频。

视频可以短到几秒,用来打个招呼,也可以长到几分钟,用来做较长的讲解,全部一次完成。

输出最高 1080p。

Kling Avatar 按成片视频的秒数计费。

AI数字人:照片、声音和授权

选一张清晰的正面照片,面部要容易看清,因为动起来的正是面部。

如果用自己的录音,干净、没有背景噪音的语音能让面部更准确地跟上每个字。

使用脚本时,所选的 Chirp 3 HD 声音决定了语气,建议先试一句短的,听听是否适合照片里的人。

照片中的人必须是你本人,或已同意出现在视频中的人。

发布前,请确认发布平台是否要求标注 AI 生成。

如何在 shuut 制作 AI数字人视频

  1. 打开“AI 数字人”工具,选择“说话照片”模式。
  2. 上传你本人的照片,或已同意出镜的人的照片。
  3. 写一段脚本并选择 Chirp 3 HD 声音,或上传你自己的音频。
  4. 按下“生成”,得到照片中人物的说话视频,最高 1080p。

常见问题

在 shuut 制作 AI数字人视频怎么收费?
Kling Avatar 按视频秒数计费,所以长视频比短视频费用更高。按下“生成”前会显示具体报价。
一段数字人视频最长可以多长?
Kling Avatar 可以生成几秒的短视频,也可以生成长达几分钟的单个视频。
哪些声音可以朗读数字人的脚本?
你可以从多个 Chirp 3 HD 声音中选择一个来朗读脚本。如果想用特定的声音,也可以改为上传你自己的音频。
可以让别人的照片动起来吗?
需要对方同意。照片中的人必须是你本人,或已同意出现在说话视频中的人。
把自拍变成数字人需要什么?
一张面部照片和一个声音来源:脚本加 Chirp 3 HD 声音,或你自己的音频文件。在“AI 数字人”工具中选择“说话照片”模式,然后按下“生成”。

可以创作的内容

在 shuut 上打开工具

更新于 2026年11月17日

开始之前

按结果付费,按下“生成”前会先显示报价;订阅可选。

动态镜头、字幕、调整比例注册后即可免费使用。

条款第 9 条说明了商业用途;范围因模型和协议而异,权利、广告规定和 AI 标识需由你自行确认。

shuut 与各模型开发方无关联。

价格 · 条款