可灵ai生成口播视频教程

确认数字人可用并开启高级模式

这一步要是跳过，后面所有操作都会打水漂。先进入「我的分身」页面，检查目标数字人头像右下角有没有绿色【可用】标签。如果是灰色“待审核”或红色“失效”，那就得重新上传正脸照，等人工审核通过（通常2小时内）。审核过了才能继续。

接下来，点击右上角的齿轮图标，勾选「高级模式」。这时候页面左上角会出现一个“人物驱动”按钮，点亮它才算激活成功。注意，没有开启高级模式的情况下，即使上传了音频或粘贴了文本，驱动面板也不会显示——很多人卡在这里还不知道原因。

准备驱动源：音频还是文本？

两种驱动方式各有适用场景。音频驱动更精准，适合已经有配音文件、需要复刻特定语气和节奏的情况；文本驱动更灵活，适合写好口播稿直接生成全流程内容。

准备一段10–60秒的纯净人声MP3或WA V文件，要求单声道、16kHz采样率、无背景音乐、无剪辑断点。手机录音后，务必用Audacity之类的工具删掉首尾2秒的静音段，否则系统会误判起始点，导致嘴型错位。这个细节很多人忽略，结果出来嘴型对不上声音，还以为是软件问题。

文案必须是简体中文口语化表达，每句控制在6秒以内。避免“综上所述”“因此可见”这类书面连接词——比如把“本产品具备三大核心优势”改成“它有三个厉害的地方：第一……第二……第三……”。另外，，生成过程中直接报错。

执行人物驱动并调节自然度参数

第一步：点击左侧工具栏的「人物驱动」按钮，切换到配置面板。

第二步：根据驱动源类型，点击「上传音频」或「输入文本」页签。

第三步：音频用户上传文件后，务必点击「试听驱动效果」——这个按钮只播放声音加口型模拟，不渲染画面。如果发现张嘴延迟明显或闭嘴过早，立即返回调整音频起始静音段，直到波形首个能量峰与首音节完全对齐。这一步反复试几次，直到满意为止，比直接生成再重来要省时间。

第四步：文本用户粘贴文案后，在「音色选择」中必须指定含「Viseme-Optimized」后缀的音色（比如Lingyun (Emotion-Enhanced)），然后勾选「启用动态唇部微调」和「强制对齐音素边界」。这两项不勾选，嘴型就是机械开合，毫无微表情变化——效果跟早期动画片对口型差不多。

第五步：点击「生成配音」，等待进度条跑完。此时系统同步输出语音波形与口型动画帧序列，不是单纯合成音频。这一步需要耐心，不要中途刷新页面。

导出无水印口播视频

生成完成后，预览窗口下方会出现「下载MP4(H.265/1080p/60fps)」按钮。点击前务必勾选「去除平台水印」选项——这个选项默认是关闭的，不勾选的话导出的视频右下角会带可灵LOGO，而且后期无法擦除。很多用户忘了这一步，最后还得重新生成。

点击下载，文件会自动保存到浏览器默认下载目录，命名包含时间戳和数字人名称。拿到这个视频，就可以直接用于抖音、视频号、公众号发布了，不需要额外剪辑软件。