怎么制作AI数字人视频：从上传照片到生成口播视频的完整教程

想做一条课程开场视频，自己又不方便对着镜头录一遍，把照片上传后让人物开口，确实是一条可以考虑的路。不过，照片出现在画布上，并不等于已经创建了会对口型的数字人；能试听台词，也不等于人物动画已经生成。

第一次制作，最值得追求的是把短台词完整走通，而不是立刻加入复杂动作和很多场景。先确认照片能用、声音读对、嘴部动作与台词对应，再做字幕与背景，返工会少一些。

下面以HeyGen网页端的Photo Avatar和AI Studio为例，制作一条简短的课程介绍。它是浏览器工作流，不需要把其他桌面软件的菜单套进来。功能入口、可用引擎和额度可能随版本、地区与账号变化；以实际页面提示为准，本文不承诺免费次数或固定生成时间。

照片先变成角色，才有后面的口播

准备一张你自己或已获授权使用的人物照片。优先选择脸部清楚、光线均匀、没有遮挡的单人照片，让嘴部与脸部轮廓容易辨认。多人合照、脸太小或模糊的图片，会增加识别困难。

进入HeyGen的Avatars角色区域，按当前页面的New Avatar、Upload Photo路径上传，给角色命名并提交创建。若页面布局变化，寻找照片角色的创建入口，不要只把图片放入素材库后就开始排版。等待角色创建完成，再检查列表中的缩略图是否对应正确人物。

在Avatars区域上传清晰单人照并命名角色

这是整个流程最容易忽略的区别。HeyGen官方Studio说明特别提醒：把照片当作Assets素材加到画布上，并不会自动得到可对口型的角色。若成片只有一张不动的照片和旁白，先检查是否真正选择了Photo Avatar。

照片被拒绝时，根据原提示检查文件是否损坏、格式是否支持，以及脸部是否清楚。官方故障说明建议使用脸部可见的清晰JPG或PNG照片；这不是要求人为放大到某个统一尺寸。若触发身份或授权验证，按平台要求完成，不用替换身份或绕过验证来继续。

一段短台词，先把声音和节奏定下来

角色准备好后，可以从角色列表进入Studio，或在当前AI Studio的创建视频流程里选择对应照片角色。官方说明介绍了Create、Create a Video的入口，并可选择横版或竖版。课程讲解需要与课件并排时可考虑横版，手机信息流内容可考虑竖版；先确定交付用途，避免后面重新裁切人物。

把角色放进场景，确认选择的是刚创建的照片角色，而非一个同名素材。第一段只写课程开场，例如：“大家好，这节课介绍表格整理。我们先看数据，再处理格式。”这是一段演示用文本，不代表已经生成或测过效果。

需要平台合成声音时，选择当前账号有权限使用的声音，检查语言与台词是否匹配，再试听。名字、数字、英文缩写最容易出现读法偏差，可以先换成更明确的文字表达。句子太长，就按意思拆开，不靠堆标点追求夸张停顿。

输入台词并试听AI合成声音

如果采用自己录制的音频，要走当前页面支持的上传音频路径，并先听清内容。文本台词与上传录音是不同的声音来源，不要在不确认规则的情况下重复叠加。音频里有背景人声或强回声时，先准备清楚的版本，比后面一边改口型一边猜原因更直接。

确认声音后再完善文案。字幕或屏幕上的文本改了，不一定意味着已经生成的旁白同步更新；每次换台词或声音，都要重新核对角色使用的实际音频版本。

先做稳定讲解，再添加动作与背景

一条课程开场不需要人物同时转身、走动和挥手。先让角色正对观众，以自然表情讲完短句，才容易判断脸部和嘴部表现是否适合这张照片。

照片角色可以在Studio中选择支持的运动引擎，但不同引擎的适用角色和消耗条件不同。不要因为列表里某个引擎更新，就默认它适用于当前照片。遇到升级提示或角色类型不兼容，先看说明，再选择账号中实际可用的组合。

HeyGen也提供Single Scene单场景入口。其官方说明区分偏讲解的Presenter模式和更重场景表演的Cinematic模式；如果只是让照片人物清楚介绍课程，通常先按讲解需求选择就够了。这里是一条替代路径，不要求同时建立Studio和Single Scene两个重复任务。

选择Presenter模式进行稳定讲解

人物位置确定后，再添加简洁背景与课程标题。给脸部留出空间，别让文字覆盖嘴部，画面边缘也不要把头顶和下巴切得太紧。背景和字幕能帮助观众理解内容，却不能补救一份读错的台词，所以应放在声音核对之后。

编辑阶段能试听声音，但不一定能直接预览完整人物动画。HeyGen官方说明指出，人物动画需要正式生成才能查看；因此，编辑预览里人物没有动，不能直接当成故障。先检查角色、台词、声音和画幅是否正确，再进入提交环节。

提交一次，拿到成片后再验收

生成前最后检查四件事：场景里是否有正确角色，台词是否为最终版本，声音是否可用，页面是否提示额度或其他待处理问题。看清本次生成的条件后再提交，保留任务记录，等待原任务返回。

页面卡住或浏览器暂时断开时，先回原项目查看状态。没有明确失败结果之前，不要连续重复提交同一段内容。生成时长取决于具体任务和平台状态，不能把超过某个经验等待时间直接判为失败。

检查成片质量并导出本地文件

成片可播放后，从头听到尾，再分别检查开头、中间和结束位置。听声音有没有漏字，看嘴部动作与台词是否大致对应，留意脸部是否有明显异常，以及字幕有没有挡住重要内容。若只是个别词读错，先修文字或音频；若人物形象持续失真，再检查照片与引擎选择，别一次改动所有因素。

需要保存本地文件时，在完成结果页检查账号实际提供的下载或导出选项，按可用条件保存，并重新打开文件核对画面与声音。若该账号没有需要的输出权限，先解决交付条件，不把在线播放当成已经获得本地视频。本文没有实际生成视频，也不承诺特定账号的导出规格。

这条流程适合把一张合适照片做成简短讲解，不等于建立了能用于任何镜头的完整人物模型。先完成一段短口播，确认角色、声音与输出都符合用途，再扩展场景和时长，往往比第一轮就追求一支复杂宣传片更容易得到可用结果。