人物口播工作区

TALKING HEAD STUDIO

人物口播工作台

城市

FIVE STEPS

从三张参考图，到一条人物口播视频。

选参考图 → 出文案 → 出音频 → 出视频提示词 → 确认出视频。每一步都保留结果，上游修改会提醒下游更新。

1
参考图人物 · 场景 · 产品
2
口播文案生成与编辑
3
音频完整与参考音频
4
视频提示词与生成
5
剪辑后续版本

REFERENCE IMAGES

选择参考图

每类至少一张，每类最多九张。上传顺序就是发送给视频模型的参考顺序。

待上传

人物

点击方格添加，可多张

场景

门店、打包台、居家

产品

餐盒、鸭块、配菜

COPYWRITING

生成口播文案

先输入本条要求。生成后，完整文案与语音提示词会自动同步到音频步骤。

待生成

文案生成提示词

只生成文案，不会自动生成音频

完整口播文案豆包语音提示词

参考音频台词 · 自动取第一句＋最后一句

待生成文案

保存后立即同步到音频输入区

DOUBAO VOICE

生成音频

文案已自动带入。一次生成完整音频与首尾句参考音频，参数遵循豆包语音设置。

待生成

同步后的口播文案同步后的语音提示词

复刻与官方预置音色统一管理

已配置音色音色 ID 音调 0-12 至 +12 语速 0-50 至 +100 音量 0-50 至 +100

完整音频

未生成

使用完整口播文案，用于试听与后续使用。

参考音频

未生成

只念第一句和最后一句，自动同步到视频参考音频。

SEEDANCE VIDEO

生成视频提示词与人物口播视频

参考图、参考音频和真实时长已自动衔接。检查提示词后，再明确确认生成。

待生成

SYNCED REFERENCE AUDIO

视频参考音频

等待音频步骤完成

视频参数

参考图和参考音频会从本项目自动带入，无需再次上传。

按次计费，时长×分辨率影响价格

参考任务类型用参考图＋参考音频生成，选“多模态参考”。宽高比抖音人物口播默认 9:16。分辨率480p 生成便宜，剪映超清后可用；要直接发就选 1080p。输出视频格式直接发布选 MP4，后期剪辑可选 MOV。

时长根据参考音频自动计算

8 秒自动

生成音频Seedance 原生声音，仅作口型参考返回尾帧额外返回最后一帧，便于续接联网搜索生成时联网，通常不需要内容审核提交前检查提示词和参考图 AI 水印在画面中添加 AI 生成标识

本次预估—

本项目已花—

今天合计—

预估按「时长 × 每秒单价」计算；视频生成完成后换成服务商返回的真实扣费。

本次服装待定

每条都换、不照抄参考图；改完再点「生成视频提示词」。

时长将由参考音频自动计算

视频提示词

COMING LATER

视频剪辑

当前版本仅预留环节。视频生成完成后，可在这里继续扩展剪辑能力。

后续版本

剪辑功能暂未启用 · 本版本到“生成人物口播视频”为止