三剪客 · 数字人自动剪辑（网页版）

一张人物图片（或一段人物视频）+ 一段文案 → 自动配音、对口型、套模板 → 直接导出竖屏成片，封面一起生成。 打开网页就能用，不装软件、不配 Key。

                    ┌── 入口①：数字人视频   #/tool/digital_human
                    │      上传【人物图片】 ──► 图片数字人 ─┐
 一张图 / 一段视频 ─┤                                        │
                    └── 入口②：数字人对口型 #/tool/lipsync    │
                           上传【人物视频】 ──► 口型对齐 ─────┤
                                                             ▼
 一段文案 ──► 自动配音（3 个公共音色 / 你的配音 / 克隆音色）──┘
                                                             │
                                                             ▼
                        成片模板（94 套真人口播混剪 · 可预览样片）──► 智能剪辑 ──► 成片
                        自动生成封面（可选）──────────────────────┘        1080×1920 竖屏

最小的可用输入就是两样东西：一张人物图片 + 一段文字。 收费只有一处需要记：成片 固定 999 点/条（1 元 = 100 点）。

什么时候用 / 不用

用它：

• 你要做口播类竖屏短视频（知识分享、产品介绍、课程引流、行业解读、带货口播），但不想出镜、不会剪辑、没有摄影棚。
• 你手里已经有一张清晰的人像照（或一段真人出镜视频），只想让它"开口说话"。
• 你只有一段文案，需要配音 + 字幕 + 套模板一次做完。
• 你要批量做同风格的片子：换文案就是一条新片，人还是同一个人、包装还是同一套。
• 你不想装软件、不想配 API Key，想打开网页点几下就出片。

不要用它：

• 需要多人对话 / 剧情演绎的口播剧——本产品是"单人对着镜头说"，不是多角色短剧。
• 需要精确运镜、复杂转场、逐帧精修的成片——模板化包装能覆盖八成口播场景，但不是专业剪辑台。
• 没有人物素材也没有文案——至少得给一张图（或一段视频）和一段文字。
• 你要的是程序化 / 命令行 / 批量无人值守的出片流水线——请用同系列的 avatar-autoclip（API + CLI 版）。
• 没有肖像权授权的人像素材——产品内置授权门禁，未勾选不允许提交。

概述

本节口径取自站方公众号图文《不想露脸、不想录音、不想学剪辑的人，终于也能做口播了》， 配图为该文原图（首发日实拍）。

先问三个问题，不用回答，心里过一遍就行 ——

1. 你有没有过这种情况：内容想好了，稿子也写完了，但一想到要坐到镜头前，就把这件事拖到了明天？
2. 一条 30 秒的口播视频：化妆、布光、对着镜头 NG 十几遍，再剪完加字幕配封面，你实际花了多久？半天？还是一整天？
3. 你是不是也找过外面的团队拍片 —— 钱花了，成片出来了，播放量三位数？

如果有一个戳到你了，那这件事现在被压缩成了一次点击。

	🚩 首发上线 · 第一天一张照片 + 一段文案点一下「生成成片」剩下的全自动不用出镜 · 不用录音不用剪 · 不用做封面

它到底替谁解决什么问题

做内容的人卡住的地方，从来不是"没想法"，而是从想法到成片之间那一段又脏又累的活儿。

共同点是：它们都不是"创作"，却吃掉了你全部的时间。 而这件工具做的事情，就是把这一段全部接过去。

它把中间那一段，整个删掉了

一张人物图 + 一段文案 →（自动）配音 →（自动）数字人口播 →（自动）套模板剪辑 →（自动）封面 → 成片

你实际只做三件事：传图、粘文案、选模板。 就三件。剩下的按四个阶段自己跑：

进度面板全程可见：每个阶段转圈或打勾，日志滚动显示每一步在做什么、拿到什么结果、第几次重试 —— 你不用猜它卡没卡。

真机跑出来的东西

下面这条片子，输入是一张人物照 + 一段约 170 字的口播文案 + 一套真人口播模板：

	成片实测29.84 秒1080×1920 竖屏 · 25fps字幕：自动生成封面：AI 首帧封面口型：对得上操作时间 约两分钟（其中一分钟在等）

不看演示，看真机结果 —— 拿到就能直接发。 这是成片的第 2 秒和第 22 秒，真实抽帧，没有美化：

成片第 2 秒	成片第 22 秒

模板库直接铺开给你挑

每张卡带封面、名称、9:16 角标；鼠标停上去 320ms 自动播放样片，不用一个个点开猜：

三个场景共 171 套：真人口播混剪 94 套 / 素材混剪 47 套 / 新闻体·门店推广 30 套。 ⚠️ 数字人的成片只能提交给「真人口播混剪」这一组模板。

出片之后，结果面板长这样

时长、分辨率、扣费、下载，全在一屏里，没有藏起来的东西：

	封面也是自动的AI 首帧封面由系统生成不用再开修图软件成片第一帧就是它发出去就有可用封面

价格：固定价，写多长都不加钱

成片这一步固定 999 算力/条，与时长完全无关，也不会随实际时长被改写。

这一点直接决定你敢不敢批量做：按秒计费时，你每写一句话都在心里算钱 —— 越写越省，越省越干，最后交出去的是一条"省钱省出来的片子"。固定价之后，你写多长只需要考虑内容够不够说清楚。

999 落在**成片（剪辑）**这一步。前面还有配音和数字人，那两步按实际用量单独结算。 页面上的「预计消耗 999 算力 · 成片固定价」与实际扣款一致。

从上线第一天起，每天迭代一版

本站不打算"上线即结束"：每天迭代一次，每次改动都拍视频记录下来。

因为"自动出片"真正的难点不在某个环节跑不跑得通，而在细节的手感 —— 模板和文案搭不搭、字幕断句自不自然、封面选帧准不准、哪种文案配哪种节奏。 这些只能靠一条一条真实出片去磨。

今天上车的人，等于是站在迭代最前面的人。

也说句实在的：它会碰到上游抽风

数字人服务会周期性出问题，日志里能看到上游瞬时故障。但有三件事让人踏实：

1. 不是你的参数问题 —— 是弹性 GPU 机器丢失，跟填的东西无关；
2. 失败任务不扣费 —— 出问题那一次不计账；
3. 程序自动重试，默认 3 次尝试，不用手动重来。

日志里会显示 task_id，万一手滑关了网页，还能拿着 ID 继续查；任务记录保存在本机，刷新页面不丢历史。

🚦 一条经验：别同时开多个任务。并发更容易撞上这个故障，串行反而最快。

两个入口：选哪个

平台在两个入口提供本产品，区别只在"你手上是什么素材"：

一句话：只有照片走入口①；已经有真人视频、只想改口播内容走入口②。

进入任一入口后，页面顶部的分段控件还能就地切换到另一条线，不用回菜单。

三步出片

第 1 步 · 给人物

• 入口①：点「上传人物图片」→ 选一张清晰正面/半身人像（拖进来也行）。
• 入口②：点「上传人物视频」→ 选一段正脸清晰、时长建议 ≤60 秒的片子。

上传成功后原地显示缩略图（视频会静音预览），点「移除」可重换。

格式：图片 jpg / png / webp；视频 mp4 / mov。 挑选要点：正面、五官清楚、光线均匀、不带墨镜；视频建议固定机位、正脸对镜头、不要大幅走动。

手上只有一张"风格参考图"？ 想把一张参考图派生成多张同风格人物图再挑一张出片， 用同系列技能 avatar-autoclip（内置参考生图：1 张参考图 → N 张同风格人物图）。 网页版以页面实际显示的功能为准。

第 2 步 · 给声音和文案

声音（三种来源，按需要选一种）：

文案：在「文案内容」里写要念的话。右侧会实时显示 字数 · 预估秒数。

中文语速实测约 5.6 字/秒：要 30 秒写 ~170 字，要 60 秒写 ~335 字。 上传了自己的配音时，文案可以留空（以音频为准）。

第 3 步 · 选模板、定封面、出片

1. 选模板：右侧「成片模板」面板挑一套。鼠标悬停 0.3 秒即自动播放样片，点卡片右上角 ⤢ 可全屏预览整套样片。
2. 封面：默认开启「自动生成封面」——用人物形象作首帧生成 AI 封面，成片第一帧就是它。不需要就关掉（改用模板默认首帧）。
3. 标题（可选）：填「成片标题」，会作为画面上的大字渲染。
4. 勾选肖像权授权（必填），点 「生成成片 ✦」。

之后左侧会变成进度视图：文案转配音 → 数字人合成 → 套模板成片，每一步带实时状态与日志。跑完直接给播放器 + 下载。

功能介绍

1. 成片模板库（本产品的核心差异点）

三个场景，共 171 套版式：

⚠️ 必须知道的前提：数字人的成片只能提交给「真人口播混剪」这一组模板。 切到另外两个场景时页面会提示 —— 它们走的是另外两条链路，不是数字人。

• ⭐ 样片预览：
  • 悬停即播——鼠标停在模板卡上约 320ms，样片在卡内静音循环播放（封面淡出、样片淡入）。
  • 全屏弹层——点卡片右上角 ⤢，大屏播放完整样片，并显示模板名 / 场景 / 画面比例，可直接「使用此模板」。
  • 样片走平台自己的 CDN 分段（HTTP 206），所以边下边播、可拖动进度，不用等整条下完。

  • 配图（站方公众号图文）：模板库网格，悬停 320ms 自动播放样片。

• 搜索：按名称或 ID 搜 —— 搜「白」能筛出 41 套。
• 默认预选：进页面时自动选中第一条，不会卡在"没选模板"。

模板决定的是包装：标题样式、字幕样式、转场、背景、贴纸、片头片尾。 换模板 = 同一段素材换一套版式，不用重录。

会不会做出来都长一个样？ 光真人口播就 94 套，再叠加配音、文案、封面的差异，不会撞脸。

2. 声音

音频完全不需要你自己录 —— 只输入文字就行。但如果你想控制声音，有三条路：

• 页面精选 3 个公共音色直接可选：小帅（男声·年轻口播）/ 云泽大叔（男声·成熟沉稳）/ 解说小美（女声·解说）。
• 一键试听：音色列表本身不带试听地址，所以「试听」会真的合成一小段给你听 —— 选之前先听，别猜。
• 克隆是唯一"像本人"的正路：一段干净人声（无背景音乐、无回声，10~60 秒）即可。
• 自带音频时直接跳过 TTS；文案框可留空（系统会自动识别出字幕），也可以填上用作字幕文字。

3. 自动生成封面

• 开关在「封面」区，默认开启。
• 开启时：以人物形象作首帧生成 AI 首帧封面，成片第一帧就是它 —— 发出去就有可用的封面图，不用再开一次修图软件。
• 关闭时：沿用模板默认首帧，结果页标签会变成「人物形象图」。
• 封面在结果页单独展示，并可单独下载。> 配图（站方公众号图文）：AI 首帧封面。

4. 智能剪辑与包装

• 套模板后自动完成：标题大字、字幕、背景、转场、贴纸、片头片尾。
• 输出规格：1080×1920 竖屏 · 25fps（比例由模板决定）。
• 字幕由配音内容自动生成，无需手工打字幕。

5. 进度、日志与结果

• 三步进度条：文案转配音 → 数字人合成 → 套模板成片，每步带状态与耗时。
• 实时日志：滚动显示每一步在做什么、拿到什么结果、第几次重试，并含每笔上游 task_id。
• 结果区：成片播放器 + AI 封面缩略图 + 一组下载按钮（成片视频 / 数字人原片 / 配音音频 / AI 封面）。 时长、分辨率、扣费、下载全在一屏里，没有藏起来的东西。> 配图（站方公众号图文）：结果面板——时长、分辨率、扣费、下载全在一屏。
• 可取消：跑到一半能取消，当前步骤结束即停。

三件让人踏实的事（上游偶发故障时）：

1. 不是你的参数问题 —— 日志里那种瞬时故障是弹性 GPU 机器丢失，跟填的内容无关；
2. 失败任务不扣费 —— 出问题那一次不计账；
3. 程序自动重试，默认 3 次尝试，不用手动重来。

🚦 一条经验：别同时开多个任务。 并发更容易撞上这个故障，串行反而最快。

6. 历史创作

• 面板第三个页签，记录做过的任务与状态，可回看进度与结果、重新下载成片。
• 记录保存在你自己的浏览器里（本地存储），不上传、不跨设备。

7. 加载速度

• 模板与音色有缓存：第二次打开基本是秒开，不会每次都重新拉。
• 模板列表分页渐进上屏：先出第一屏，其余在后台补齐。
• 右上角有「刷新」按钮可强制重新拉取。

计价

1 元 = 100 点。

页面底部会直接显示「预计消耗」，按下单口径与实际扣款一致。

实测参考：一条 176 字文案（约 30 秒）的成片，从提交到出片约 9~10 分钟，成片 1080×1920、29.84 秒。

常见问题

关于"封装"：网页版是最轻的封装形态 —— 用户拿到的是一个受控的网页， 不是可以直连上游的 Key，也没有可改的接口配置。 需要更强的管控（私有化部署 / 自有域名 / 白标），加微信 9872659 聊。

相关文件

配图为上线首日截图，与当前界面在细节上可能略有差异（例如音色下拉、模板面板布局）； 功能与口径以本文档与页面实际显示为准。

联系我们

遇到问题、想要批量出片方案、需要定制模板，都可以直接加技术微信：

提问题时把任务号（进度区可复制）和截图一起发过来，定位最快。

相关链接

联系我们

技术微信：9872659（加好友请备注「数字人」）

出片报错、批量出片、模板定制、想要 API 版接入，都欢迎直接加微信。

联系我们

技术微信：9872659

• 出片报错 / 效果不对 → 带上任务号 + 截图
• 批量出片 / 定制模板 / 私有化 → 说明场景与量级
• 要程序化调用 → 参见同系列技能 avatar-autoclip