适合人群:想做课程介绍、产品讲解或自媒体口播视频,但不方便每次出镜录制的老师、运营和个人创作者。本文介绍 HeyGen 的照片数字人(Photo Avatar):上传一张照片,写好口播稿,生成一段口型同步的讲解视频。
本文用一个场景贯穿:英语老师小陈想用自己的一张正面照,做一段 40 秒左右的竖屏课程介绍视频。
一、先确认两件事
1. 方案限制
根据官方价格页,免费方案的视频带水印、每条最长 1 分钟、导出分辨率为 720p,可创建最多 3 个照片数字人,每月可生成的视频数量也有限。付费方案可去掉水印并导出更高分辨率。具体额度变化较快,以官方价格页和界面为准。
2. 肖像授权
官方内容审核政策要求:使用真实人物的形象,必须取得本人的明确同意,不能未经同意制作他人或名人的数字人。开发者文档还特别说明,照片数字人没有官方的同意录制流程,取得本人同意并留存记录是用户自己的责任。小陈用的是自己的照片,这一步没有问题。
二、准备一张合适的照片
帮助中心给出的建议:
- 人脸比例接近真人,眼睛和嘴唇清晰可见;
- 人物在画面里占比要大,人太小会影响效果;
- 避免口罩、夸张滤镜或被遮挡的嘴部,否则口型会不准;
- 想要动作更自然,选正面、姿势自然、光线均匀的照片。
三、创建照片数字人
- 登录后进入“Avatars”页面;
- 点击“New Avatar”,选择“Upload Photo”。也可以选“Design with AI”用文字描述生成一个虚拟形象;
- 上传照片,填写数字人名称,提交创建;
- 等待形象验证完成。验证通过后,这个数字人就能在各个功能里使用。
四、写口播稿并生成视频
- 在数字人卡片上悬停,选择“Quick Create”;或者在首页选择“Single Scene”,再选中刚创建的数字人;
- 选择“Presenter Mode”(讲解模式),这是面对镜头说话的常规口播形式;
- 在脚本框里粘贴口播稿,或上传一段自己录好的音频;
- 用文字脚本时,为数字人选择一个声音;
- 选择数字人引擎,官方列出的选项有 Avatar III、IV 和 V,不同引擎消耗的额度不同;
- 在“Custom Motion”里用一句话描述手势,例如“说到重点时轻轻点头,双手自然放在桌前”;
- 画面方向选“portrait”(竖屏),点击“Generate”生成。
小陈的口播稿开头这样写:
大家好,我是陈老师。这门课用二十节短课, 带你把日常英语口语练到能开口、敢开口。五、查看和下载成品
- 生成完成后,视频会出现在“Projects”页面;
- 点击视频右上角的“…”,选择“Download”下载;
- 点进视频详情,右上角还可以单独下载音频或 SRT 字幕文件;
- 下载设置里可以选择分辨率,可选范围取决于方案。
常见问题
问:视频生成了,数字人却不说话?
答:官方说明,常见原因是照片被当成普通素材(asset)上传,而不是按第三步创建成照片数字人。
问:照片数字人创建失败怎么办?
答:先对照第二步检查照片是否清晰、人脸是否足够大、嘴部是否可见,换一张照片再试。失败原因以界面提示为准。
问:动作看起来不自然?
答:照片数字人的表情和动作都是 AI 生成的,效果受原图姿势、光线和动作提示影响。官方建议用正面自然的照片,并用 Custom Motion 描述动作;想更贴近本人习惯,可以改用录制视频训练的数字人。
问:Cinematic Mode 是做什么的?
答:电影模式侧重动作、镜头运动和氛围,适合几秒钟的片头。官方说明单段可设为 4 到 15 秒,额度消耗比讲解模式高,以界面为准。
小贴士
- 口播稿先自己读一遍,一句话不要太长,停顿处用逗号分开,生成的语气会更自然。
- 动作提示用具体、正面的描述,例如“镜头固定,人物微笑点头”,官方建议用正面表述,少用“不要做某事”这类说法。
- 正式发布前完整看一遍,重点检查口型是否对得上、专有名词读音是否正确。
- 官方说明生成的视频可以用于商业用途,前提是上传的素材不侵犯版权,并遵守服务条款和内容政策。
参考资料
- HeyGen 帮助中心:How to Get Started with Photo Avatars https://help.heygen.com/en/articles/10034438-how-to-get-started-with-photo-avatars
- HeyGen 帮助中心:Animate Your Avatar from a Photo Using the Single Scene Tool、How to Download or Export a Video;HeyGen 价格页与内容审核政策(Content Moderation Policy);HeyGen 开发者文档:Avatar Consent