让已有形象开口讲述
以人脸图片或人物视频作为创作起点，围绕讲述内容制作唇形同步视频。适合已经确定出镜形象、不想每次重新拍摄的项目。其核心是人物口播，脚本、背景设计和后期包装仍应在制作流程中单独安排。
规格与接口特性
在选型前明确容量、输入输出与调用方式。
- 创作方式
- 人脸图片或人脸视频驱动的唇形同步视频
- 人物输入
- image_url、video_url
- 讲述输入
- audio_url、text、voice_id
- 生成控制
- guidance、steps、seam_fix、speed
- 任务处理
- async 异步选项、callback_url 回调地址
- 结果交付
- 视频 URL、任务状态、成片时长与宽高字段
以上为 digitalhuman 的创作能力与调用字段，成片尺寸和时长以实际结果为准。
核心能力
了解 digitalhuman 能为你的工作带来什么。
围绕声音组织内容
入口提供音频地址，也提供文本和声音标识字段，便于围绕现成录音或口播稿组织任务。使用时应先明确采用哪种讲述材料，避免把所有字段同时填入视为通用做法；具体输入组合应通过小样验证后再批量使用。
适配任务化生产
生成结果包含任务标识、状态和视频地址，适合接入内容生产流程。异步选项与回调地址可用于安排结果接收；公开 MCP 工具还提供任务轮询、批量获取和删除能力，让生成与后续整理能够分开处理。
适用场景
从具体任务出发，找到模型发挥作用的位置。
课程知识点口播
准备讲师形象素材与分段讲稿或录音，为每个知识点制作人物讲述片段。交付视频可继续用于课程剪辑、添加字幕和插入演示画面。先验证专业词的发音与口型，再处理整套内容，更便于保持成片一致性。
产品说明短片
将产品功能说明整理为口播内容，配合固定讲解者形象制作介绍视频。输出的人物讲述片段可与产品截图、操作演示和品牌素材组合。它负责数字人表达，不应把界面操作、字幕或完整宣传片包装视为自动附带能力。
固定角色系列内容
围绕同一人物素材持续提交不同的讲述内容，制作栏目开场、公告或知识分享片段。生成后保存任务标识与视频地址，便于归档和后期选片。批量开展前先用代表性内容试做，检查声音、人物表现和剪辑适配程度。
如何选择这个模型
结合任务复杂度、输入材料与预期结果选择。
有明确讲述者时选择
如果任务是让指定人物形象讲解一段内容，digitalhuman 的图片或视频输入与唇形同步方式更贴合需求。如果目标是复杂镜头运动、环境变化或多角色剧情，应优先考虑场景生成类视频能力；不要把人物口播与通用视频生成当成同一种创作方式。
先定素材，再定工作流
已有录音时，可围绕音频地址组织任务；以文稿为起点时，可试用文本与声音标识的组合。需要定制声音，可结合 MCP 的声音克隆功能另行准备。不要按旧 engine 字段把服务理解为不同性能档位，应以实际人物素材和讲述效果决定制作方案。
开始使用
从一次小规模任务到正式接入。
准备任务与材料
明确目标、必要输入与输出要求，使用真实业务样例作为起点。
在 API 调试区试用
打开试用页，确认此入口支持的参数，再提交小规模任务查看结果。
按 API 文档接入
保留完整模型 ID，使用文档规定的请求格式，并在 Pricing 页确认计费规则。
使用边界
在正式使用前，了解输出质量与能力范围。
- 输入以人脸图片或视频为核心，不等于任意图片都能形成稳定口播。建议先测试所选人物素材，检查口部表现、遮挡区域和画面连续性，再用于正式内容；多人同框或复杂动作也不宜直接按单人讲述流程处理。
- engine 与 resolution 字段已标记弃用，不建议依赖它们规划新项目的版本或画质。成片可从响应中读取实际宽高与时长；有固定交付尺寸时，应把后期裁切、缩放和验收纳入制作流程。
- 声音克隆属于配套 MCP 功能，不能把生成接口中的 audio_url 直接当作克隆样本入口。使用人物形象与声音前应取得相应授权，并区分参考声音准备、讲述音频制作和数字人视频生成三个环节。
常见问题
解答使用 digitalhuman 时的常见疑问。
digitalhuman 是通用文生视频模型吗？
它主要用于基于人脸图片或视频的唇形同步口播。文本字段用于讲述内容，不应理解为可以仅凭场景描述生成任意视频。若要制作复杂环境、镜头或剧情，应选择更匹配的创作方式。
人物素材必须是视频吗？
不必限定为视频，数字人创作也支持从人脸图片开始。入口分别提供 image_url 与 video_url，可按素材类型准备。首次使用建议先做短内容试片，确认人物表现，再沿用相同素材组织后续任务。
可以使用自己的录音或文稿吗？
入口提供 audio_url，也有 text 和 voice_id 字段，可围绕录音或文稿组织创作。两类路径不宜未经验证就混用；先选定讲述方式，测试对应素材组合，再将成功的配置用于连续制作。
能直接在生成请求中克隆声音吗？
配套 MCP 工具支持通过短参考音频克隆声音，但视频生成入口没有专用的克隆样本字段。应先单独完成声音准备，再安排口播生成；不要将人物驱动音频与声音克隆参考素材混为一谈。
生成后怎样取得视频？
通过 POST /digital-human/videos 提交任务，响应提供视频地址及任务相关字段。采用异步流程时，可结合回调或 MCP 任务查询获取进展，并根据返回状态判断是否已有可用结果，再下载视频用于后期制作。
模型资料 · 更新日期：2026-10-01。调用参数与计费规则请查看 API 和定价栏目。