参考链接
已添加 · 自动参考打开后加载当前账号的对话。
三步就能做出IP口播短视频
新手小白不写文案、不出镜、不剪辑也能搞出短视频
壹一键改写爆款文案
贰选您的形象与声音
叁生成成片并批量发布
最近创作
悬停即可静音预览最近生成的竖屏成片
还没有创作记录，点击小助手开始第一条视频吧
我的形象
已注册形象会优先显示，没有形象的槽位保留为预览占位
我的声音
试听已注册的专属音色，创作时可直接调用
更多功能
进入专业短视频制作工具
开始创作
流水线式引导创作，5 步完成商业级数字人口播视频
数字人形象
点击卡片选中，再次点击取消
生成引擎
悬停或点击查看方案，确认使用后生效
视频底模数字人
视频底模数字人方案是推荐方案，基于视频进行动作和讲话风格学习，生成的数字人活人感强，视频不会被打上“AI水印”。
图片生成数字人
使用人物照片和本次配音生成数字人讲话。每次成功生成收取 0.5 算力，失败不扣费；提交时预留算力，成功后结算。
动作参考口播
上传一段参考视频，完美复刻参考口播视频的动作和情绪，生成时间相对较长，耐心等待。
文案输入
0 字
字数 0 字
·
预估时长 0 秒
暂无可用报告
主标题、副标题和发布文案
可生成后继续修改确认
音色选择
点击卡片选中， 试听音色
语音高级设置
当前音色克隆模型为
正在读取…
，可在“我的声音”页面直接更换。
推荐使用
先选表达方向，AI 会结合当前文案安排语气、重音、节奏与停顿；生成后仍可自由修改。
已注册音色继续负责“像谁说话”；链接音频负责情绪、语气、语调、语速、重音和停顿。开启直接生成背景音乐时，也会参考原视频配乐的风格、节奏与氛围。
参考音频已就绪
提前生成配音
按当前文案、音色和参数生成完整配音；整单任务会直接复用，不再重复合成。您也可以直接跳过，制作视频的时候统一生成音频。
尚未生成
最近配音任务
进入声音设置后会加载最近任务。
字幕样式
字幕样式预设会带出推荐值；之后手动修改的双层/双语开关为最终结果。
背景音乐 (BGM)
正在加载抖音热榜…
抖音热榜曲目的使用范围以平台授权为准。
按你的方向生成专属纯音乐
描述情绪、场景、风格和乐器，由阿里云 Fun-Music 生成专属纯音乐；完成后会自动保存，可直接试听并用于成片。
在线配乐库暂不可用时，仍可选择原有曲目。
选择曲目后可试听
视频效果
超级IP智能封面
读取视频设置
黑金案例拆解封面
默认读取“视频设置”中的封面；在这里修改后会自动同步，并用于本次作品。
自动 B-roll（本次作品）
当前方案读取中
生成模型读取中
最大片段数—
单段时长—
画面呈现模式—
预计最高算力—
当前启用状态同步中
正在读取“自动 B-roll”总设置和本次作品可用状态...
本次作品可单独开启或关闭；总开关关闭时本次作品不可用。
配置汇总
发布目标
勾选已登录账号，成片后将按发布设置自动分发
正在读取可用账号...
未选择账号，仅生成视频
发布仅在桌面端执行
流水线进度
生成结果
视频将在此处展示
一键生成视频
输入文案，自动完成文案仿写、语音合成、数字人口播、字幕、视频合成全流程
文案输入
生成设置
流水线进度
生成结果
视频将在此处展示
详细信息
文案工作台
AI 驱动的口播文案创作：润色、仿写、扩写、缩写、风格转换、主题生成
原始文案
AI 处理
处理结果
使用提示
润色：优化表达，保留原意
仿写：语义级改写，避免查重
扩写：增加细节和案例
缩写：精简压缩，保留核心
风格转换：调整语气风格
主题生成：根据主题创作
已预置 Coding Plan · DeepSeek V4，无需单独配置即可使用。
分步创作
单独执行任一模块，便于调试和定制。前置模块会自动执行以准备上下文。
基础设置
选择模块执行
音频产物
执行后展示
视频产物
执行后展示
执行结果
等待执行...
批量处理
批量提交多个文案，串行生成视频。适合内容矩阵运营。
批量文案输入
N 条文案 × 1 组参数 = N 个视频
音乐来自统一云端音乐库；批量任务与“视频设置”使用同一套曲目。
批量进度
0 / 0
提交后将显示每条文案的处理进度
批量制作会极大地消耗算力，正在部署额外显卡算力，请耐心等待，显卡部署完成后将依次完成视频制作。
AI 空镜与素材插播
自动 B-roll
可选择 AI 视频、自有素材库或图片画中画，系统按文案自动规划并插入真实 B-roll。
通过第三方算力生成broll
文本模型先筛选适合画中画的原文段落，再按情景或流程撰写独立画面提示词；按所选模型消耗算力余额 · 预计最高消耗 — 算力
启用
一次生成 10 秒，剪成最多 3 段各约 3 秒，按口播位置插入。一次生成共 1.68 算力。
通过我的素材库智能匹配 B-roll
视觉模型在上传时分析一次，生成时按字幕严格匹配；不合适的片段会自动跳过
启用
正在读取自有素材库…
素材库
0 / 50 项
视频≤15秒/100MB，图片≤20MB，总空间2GB
图片画中画
AI 生成或选择素材库图片，按口播内容自动插入。支持小窗或全屏展示，保留口播原声。
启用
未选择图片
仅使用选中的图片，按文案匹配位置；不匹配时跳过。
预计最高算力启用后核算
开启后，在创作口播时勾选自动 B-roll，即可按文案插入配图。
使用说明
画中画与整段插播
画中画模式（PIP）：B-roll 视频以小窗口叠加在数字人画面上，数字人仍可见（适合讲解类）
整段切换模式（CUT）：在指定时间段用 B-roll 替换主画面，数字人暂离（适合展示实景素材）
3 种添加入口（不是画面模式）：① 点击字幕间的 + 在两段字幕之间添加；② 点击 B-roll 轨道空白处在任意位置添加；③ 点击“在播放头插入”按当前播放位置添加
快捷剪辑：裁剪头尾、调整音量、片头片尾淡入淡出，一键应用
整段切换模式（CUT）：在指定时间段用 B-roll 替换主画面，数字人暂离（适合展示实景素材）
3 种添加入口（不是画面模式）：① 点击字幕间的 + 在两段字幕之间添加；② 点击 B-roll 轨道空白处在任意位置添加；③ 点击“在播放头插入”按当前播放位置添加
快捷剪辑：裁剪头尾、调整音量、片头片尾淡入淡出，一键应用
选择任务
我的素材库明细（与上方智能匹配同步）
两处共用同一个账户素材库；在任一处上传或删除，数量、分析状态和素材列表都会同步更新
上传到上方同一个智能匹配素材库
时间轴编辑器
素材来源
请先选择一个任务
选择任务后将显示字幕时间轴
闭源视觉模型算力余额
账户余额与公开计费标准
算力余额 闭源模型算力余额 · 用户剩余算力
—
新用户默认赠送 20 算力
按条计费 标准模型
1.26 算力起/条
按清晰度与生成时长自动估算
按时长计费 性价比模型
0.1008 算力/秒
480P 输出 · 另含每段 0.13 算力首图 · 5 秒约 0.63 算力，10 秒约 1.14 算力
按时长计费 高端模型 S
0.336 算力/秒
默认 10 秒约 3.36 算力/条
按时长计费 MiniMax H3
0.5998 算力/秒
768P 输出 · 默认 5 秒约 3.00 算力/条
正在读取用户余额...
我的形象
一个好的视频形象底模，能够让您生出来的数字人，最大限度的接近真实，建议用心录制底模，一劳永逸！
生成虚拟形象
18 个预设形象已内置，也可以写下描述，生成你想要的人像。
预设已加入“我的形象”，选择“图片生成数字人”时即可使用，无需注册。
注册形象素材上传要求
正面面对镜头自然讲话，手上有一定的手势动作，但是动作不要挡到嘴，一直侃侃而谈，录制一个15秒以上的视频。
您注册形象所用的素材，可以掐头去尾，比如可以把开头和结尾点击录制键的手势掐掉，保留状态最好的 15 秒。
您注册形象所用的素材，可以掐头去尾，比如可以把开头和结尾点击录制键的手势掐掉，保留状态最好的 15 秒。
注册新形象
点击或拖拽上传照片/视频
支持 JPG/PNG 照片或 MP4/MOV 视频；照片正面清晰，视频自然讲话，可选择是否剪辑
已注册形象
形象换背景
选一个参考形象，为它换上新的场景。生成后可保存为新形象，长期用于口播创作。
请选择至少 10 秒的已注册视频形象。
选择形象后在这里预览
正在加载场景…
生成 10 秒视频自有算力SC · 无需额外算力
查看换背景案例
案例对比
同一形象，仅将背景更换为飞机头等舱
H3 实例
人物、动作、逐帧嘴型与原声保持不变；案例仅用于展示换背景效果。
最近任务
暂无换背景任务
我的声音
上传音频、视频或粘贴视频链接，系统会提取人声样本，按当前模型要求注册专属音色。
注册新音色
读取中
当前音色克隆模型为
正在读取…
，下拉选择后会自动保存。
样本要求会按模型动态调整
点击或拖拽上传音频 / 视频
正在读取支持格式…
视频会自动提取音频，超出模型允许时长时自动截取开头一段。
点击“注册音色”后自动提取音频。请使用清晰、单人讲话的视频。
已注册音色
正在连接云端 GPU 工作台…
正在载入自由创作画布…
自由创作画布
自由创作画布已在独立窗口打开
画布固定使用独立窗口，创作空间更完整；需要继续操作时可随时切回画布。
专业视频重塑
五种工作区
视频换人换景
一段视频，换人物、换场景、换服装都能轻松完成。上传本地视频或粘贴公开抖音作品链接，即可快速生成全新视频。
视频一键修改
2–15 秒
用一句话，修改视频画面
上传视频或粘贴抖音链接，填写想修改的内容，即可开始生成。
上传视频
成片参数
预计消耗正在计算…完成后按实际消耗结算
视频修改记录
暂无视频修改任务
一键minimax复刻
2–15 秒 · 720P
用一句话，修改视频画面
上传视频或粘贴抖音链接，填写想修改的内容，即可开始生成。
参考视频
成片参数
预计消耗正在计算…完成后按实际消耗结算
参考图片（可选）0 / 6
每张不超过 20 MB
可在修改要求中写“换成图片1中的人物”等，按上传顺序对应。
参考音频（可选）0 / 3
每条取前 15 秒。可在修改要求中写“音色参考音频1”。
视频修改记录
暂无视频修改任务
一张人物照片，也能复刻视频里的动作、表情和节奏。
上传动作视频或粘贴公开作品链接，再选择人物照片，即可生成全新的动态视频。适合把静态形象变成口播、展示或剧情短片。
支持 60 秒长视频
60 秒通常需要 30 分钟以上
15 秒以内（含）0.5 算力 / 条，超过 15 秒 1 算力 / 条，成功后扣费
效果案例
1. 选择动作来源
2. 选择人物图片
正在读取我的形象…
秒
预计消耗正在核算15 秒以内（含）0.5 算力 / 条，超过 15 秒 1 算力 / 条
生成记录
任务提交后可离开本页，返回后会自动恢复进度。
暂无视频驱动照片任务
视频一键换人
1–60 秒
一键替换获客视频中的人物，产品和动作和节奏保持不变。
上传目标人物照片，即可把原视频主角换成你想要的形象，适合 IP 二创、广告换角和人物迁移。
1. 选择源视频
2. 上传目标人物
预计消耗预估 1 算力根据显卡预计运行时长核算
视频换人记录
任务完成后自动验证视频、时长与原声音轨。暂无视频换人任务
视频一键换背景
1–15 秒
没有好的场景，再好的表现力都没有流量
描述你想要的环境，系统会在保留人物动作、镜头表现和原声的基础上完成场景替换。
1. 选择源视频
预计消耗预估 1 算力根据显卡预计运行时长核算
视频换背景记录
任务完成后自动验证视频、时长与原声音轨。暂无视频换背景任务
视频一键换装
1–15 秒
一键让人物换装
上传服装参考图，系统会尽量保留人物、动作、场景、镜头和原声，只替换人物身上的服装。
1. 选择源视频
2. 上传服装参考图
预计消耗预估 1 算力根据显卡预计运行时长核算
视频换装记录
任务完成后自动验证视频、时长与原声音轨。暂无视频换装任务
博主蒸馏
从公开作品中提炼人设、选题与表达方法
新建蒸馏
检查中
蒸馏记录
暂无蒸馏记录
通过聊天做视频
内测中聊创意、生成图片、修改分镜，确认算力后开始创作。
历史对话
新的创作对话
可以开始创作方案
已保存的参考图与角色绑定
直接编辑角色与分镜
可调整画面、对白、机位、角色参考和镜头顺序。保存后重新报价；已经完成且内容未变的素材会复用。
角色图与镜头素材 · 可单独下载
获客视频智作
AI 看懂画面，生成解说、配音并输出完整成片
项目组
一次创作，一个独立工作区
每个项目分别保留素材与参数，切换时不用反复清空。
素材与生成方式
项目组 01
支持视频、JPG、PNG、WebP 图片混合添加；单次最多 20 个素材，单素材不超过 300 MB，总量不超过 2 GB。
尚未选择素材
条
多条任务会更换镜头组素材和剪辑节奏。
支持 MP3、M4A、FLAC、OGG，最大 100 MB。
默认继承“视频设置”中的字幕样式，也可为本次成片单独选择。
保留原片台词，替换原片声音；背景音乐可单独选择。
默认从四个参考音色中选择，整条视频保持同一音色。
使用你已注册的音色生成配音。
建议上传 5-20 秒干净人声，系统将克隆该音色生成解说。
留空时按上方目标时长进行纯素材混剪；填写后以实际配音长度为准。
任务与成片
项目组 01
当前项目暂无混剪任务
创作档案 0 个已保存
已保存项目组
保留素材、文案和参数。重新打开，就能接着混剪。
保存的素材可持续复用；再次保存会保留新版本。成片仍保留 3 天，需要长期留存请下载。
暗水印对抗去重
通过去除平台暗水印的方式一键让视频“重生”
任务列表
视频队列 0
拖拽视频或文件夹到这里开始处理支持 MP4、MOV、MKV、AVI、WEBM，单次最多 6 条；分辨率须在 1080p 以内
文件 / 任务信息媒体信息处理参数状态
还没有任务。添加视频后，这里会显示处理队列。
处理设置
参数与算法
队列中至少添加 2 个视频后可混剪。
输出位置云端对象存储任务完成后可预览与下载，成片保留 3 天
分辨率配置跟随源视频自动匹配原片宽高和画面比例
仅处理已获授权的素材；系统会保留原片分辨率、画面比例与音轨。
模特参考图
未选择参考图。
待处理任务0
输出位置云端对象存储最终成片保留 3 天
提交进度0%
运行日志
处理动态
待命
暗水印对抗去重工作台已就绪
处理记录与成片
暂无暗水印对抗去重任务
云端引擎配置
人脸处理云端人脸重塑
执行设备弹性 CUDA 显卡
临时文件任务结束即清理
最终成片对象存储保留 3 天
GPU 加速、并发数量、输出比例与编码参数均由后台自动选择，不向用户暴露易误操作的参数。
深度爆款复刻
未保存项目
检查中
先给我原视频
你可以一句话替换爆款视频中的人物，场景还有产品。
或者
统一资产修改
点选要修改的资产，再填写要求；替换素材可选。
正在深度分析原视频
正在识别人、场景、产品、分镜和文案，请耐心等待
原视频 · 深度分析参考
统一资产修改点击资产选中或取消，未选中时保留原样。选中后可直接填写要求，也可添加参考素材；分镜头修改可以单独覆盖。
0 项
点击选中要修改的人物，在下方填写新形象；也可添加参考素材。切换分类会保留选择。
用你的声音，保留原片画面与台词
选择一个音色，替换原视频中的讲话。成片时长、画面比例和清晰度跟随原片。
正在读取声音库…
支持 WAV、MP3、M4A、AAC、FLAC、OGG，1–60 秒，最大 50 MB。建议使用清晰的单人讲话；仅用于本次换声。
每次 0.3 算力，成功后扣费，失败不扣费。支持 1–180 秒原视频，最大 500 MB。
0/30
修改自动保存
0/0字
文案不变时复用原音；修改后由视频模型先生成配音，站内再尝试用原视频声线覆盖。
原视频 · 当前镜头循环预览
查看全部分镜文案
选中资产后，直接写明要换成什么；替换素材可选。未选中的资产保持原样，分镜头的单独修改除外。
生成规格
生成模型
系统按成片时长自动分段生成并拼接。
秒
勾选后按成片内容生成字幕；不勾选则生成无字幕视频。
正在读取所选模型的计价…
任务进度
提交后自动更新，刷新页面也能继续查看
暂无进行中的任务
任务记录
暂无复刻任务
模板中心
场景化一键创作：选场景 → 填内容 → 生成视频。对标腾讯智影/万兴播爆的"点点点"创作模式
场景化创作模板
每个模板预置了该场景的口播文案骨架、字幕样式、BGM、滤镜、转场、情感、语速。选择场景后填入关键词即可生成完整文案，一键应用全部样式。
预制数字人形象库
预制形象可直接选用，搭配推荐音色。想要真人效果，点"换成我的真人形象"上传您的照片或出镜视频——推荐上传 10-30 秒的说话视频，数字人会保留您的头部动作和神态，效果远好于静态照片。
预制音色库
基于 Edge TTS 的免费音色，按场景推荐。点击"使用此音色"将设为默认音色。
样式模板库（字幕/BGM/滤镜/转场）
我的作品
查看作品、发布分发、断点续跑和删除任务
任务列表
| 作品标题 | 状态 | 创建时间 | 更新时间 | 操作 |
|---|
任务详情
选择上方任务查看详情
功能教学
按功能分区学习，先完成数字人口播的基础操作。
数字人口播视频制作教学
注册形象 · 注册声音 · 生成第一条口播视频 · 15分02秒
深度爆款复刻教学视频
直接自动复刻 · 分镜头修改 · 9分22秒 · 1080p
视频设置
统一设置字幕样式、数字人放大跳切、视频输出规格与智能封面
数字人放大跳切
字幕样式
以下画面由真实照片与最终 ASS 字幕引擎渲染，字体、颜色、描边和排版均为成片效果。
选择模板会带出推荐值；之后手动修改的双层/双语开关为最终结果。
视频输出参数
超级IP智能封面
自动提取成片代表帧，并结合标题生成封面。
黑金案例拆解封面
生成时会保留当前视频人物，并按所选模板重构标题与版式。
发布设置
多平台账号管理、发布模式、频率控制
发布模式
平台管理
发布账号管理
扫码添加多个平台账号；每个账号独立保存，互不串号
登录资料只保存在当前电脑，不上传服务器。添加账号时请使用对应平台 App 扫码。
一键分发
将成片同时发布到多个平台、多个账号
选择任务后会自动填入该任务的标题、发布文案和标签，仍可手动修改