每日签到，免费领 15 积分 · 每天都能领，当天有效，UTC 00:00 清零。
AI 数字人视频生成器
AI 数字人视频是用一张人像照片做出的说话主播：Kling AI Avatar 让照片中的人脸动起来，口型同步地说出你输入的文案或你自己的录音。视频时长与语音一致，最长 5 分钟，支持 9:16、16:9 和 1:1，可选烧录字幕。数字人视频使用购买的积分。
只使用你本人或已同意的人的照片。
你在 B-roll 剪辑中克隆的声音显示在列表顶部。
把字幕叠加到画面上，同时提供 SRT 和 VTT 文件。
先生成配音。视频价格取决于配音时长。
AI 数字人视频只使用购买的积分。免费积分只能用于 Z-Image、视频模板和代码生成视频。
上传人像照片后开始。
你的数字人口播视频会显示在这里。上传人像照片并添加语音即可开始。
AI 数字人视频生成器如何工作
- 1
上传人像照片
选择一张清晰的单人正面 JPEG 或 PNG 照片，再选竖屏、横屏或方形画幅。
- 2
添加语音
输入文案并选择 AI 声音或你克隆的声音，或上传最长 5 分钟的 MP3、WAV、M4A 录音。
- 3
生成数字人视频
Kling AI Avatar 让嘴唇、眼睛和头部跟着语音动起来。需要时可以加上字幕。
- 4
下载并分享
在页面上观看口播视频，下载 MP4、SRT 和 VTT 文件并分享。每个视频都会保存在「我的作品」里。
大家用 AI 数字人视频做什么
不露脸的社媒账号
发布 TikTok、Reels 和 Shorts，画面里有固定的主播，不用每天自己出镜拍摄。
产品讲解和广告
让主播介绍产品、功能或优惠，优惠变了就改文案重新生成。
课程和入职培训
把课程文案变成口播视频，以后修改也简单：改文字，重新生成一条。
多语言内容
用另一种语言写文案，同一个数字人就会用这种语言说出来，并配上对应语言的字幕。
更多视频工具
AI 数字人视频指南
什么是 AI 数字人视频
AI 数字人视频是用一张静态照片做出的口播主播。AI 读取语音，预测每个音节对应的嘴、下巴、眼睛和头部动作，再让照片里的脸跟着动起来。成片看起来就像一个人在对着镜头说话。
本工具使用 Kling AI Avatar。视频时长与语音完全一致，最长 5 分钟，所以一张照片既能做 15 秒广告，也能做完整的一节课。
如何选一张好的人像照片
使用一张清晰的单人照片，人物看向镜头，脸部光线充足，没有被手、头发或墨镜挡住。嘴巴自然闭合或微笑时，口型同步最自然。
生成前照片会按你选的画幅裁切，所以头顶和肩膀周围要留一些空间。竖屏适合 TikTok、Reels 和 Shorts；横屏适合 YouTube 和网站；方形适合信息流。
文案还是录音：怎么选
想要干净的录音棚声音，就输入文案。你先试听配音，满意后才为视频付费。可以选 AI 声音，也可以选你在 B-roll 剪辑 里克隆的自己的声音。
需要真实的本人声音或配音演员的声音时，就上传录音。没有大声背景音乐的清晰语音，口型同步效果最好。价格按录音时长计算，时长由服务器从文件读取。
为静音观看加字幕
大多数短视频是在静音下观看的。烧录字幕把文字放进画面，每个观众都能看懂主播在说什么。输入的文案直接使用配音自带的时间轴，上传的录音会先转写。
你还会得到 SRT 和 VTT 字幕文件，YouTube 和大多数播放器都支持作为独立字幕轨。之后想做其他语言版本，可以把成片交给 视频翻译。
负责任地使用人脸
只用你本人或已获得许可的人的照片制作数字人视频。不要用公众人物或普通人的照片，让他们说出没说过的话。
如果平台或观众有要求，请说明主播是 AI 生成的。清楚的标注能维护频道的信任，也符合大多数社交平台的规则。