三剪客 · 数字人自动剪辑(网页版)

一张人物图片(或一段人物视频)+ 一段文案 → 自动配音、对口型、套模板 → 直接导出竖屏成片,封面一起生成。
打开网页就能用,不装软件、不配 Key。

                    ┌── 入口①:数字人视频   #/tool/digital_human
                    │      上传【人物图片】 ──► 图片数字人 ─┐
 一张图 / 一段视频 ─┤                                        │
                    └── 入口②:数字人对口型 #/tool/lipsync    │
                           上传【人物视频】 ──► 口型对齐 ─────┤
                                                             ▼
 一段文案 ──► 自动配音(3 个公共音色 / 你的配音 / 克隆音色)──┘
                                                             │
                                                             ▼
                        成片模板(94 套真人口播混剪 · 可预览样片)──► 智能剪辑 ──► 成片
                        自动生成封面(可选)──────────────────────┘        1080×1920 竖屏

最小的可用输入就是两样东西:一张人物图片 + 一段文字。
收费只有一处需要记:成片 固定 999 点/条(1 元 = 100 点)。


什么时候用 / 不用

用它:

  • 你要做口播类竖屏短视频(知识分享、产品介绍、课程引流、行业解读、带货口播),但不想出镜、不会剪辑、没有摄影棚。
  • 你手里已经有一张清晰的人像照(或一段真人出镜视频),只想让它"开口说话"。
  • 你只有一段文案,需要配音 + 字幕 + 套模板一次做完。
  • 你要批量做同风格的片子:换文案就是一条新片,人还是同一个人、包装还是同一套。
  • 你不想装软件、不想配 API Key,想打开网页点几下就出片。

不要用它:

  • 需要多人对话 / 剧情演绎的口播剧——本产品是"单人对着镜头说",不是多角色短剧。
  • 需要精确运镜、复杂转场、逐帧精修的成片——模板化包装能覆盖八成口播场景,但不是专业剪辑台。
  • 没有人物素材也没有文案——至少得给一张图(或一段视频)和一段文字。
  • 你要的是程序化 / 命令行 / 批量无人值守的出片流水线——请用同系列的 avatar-autoclip(API + CLI 版)。
  • 没有肖像权授权的人像素材——产品内置授权门禁,未勾选不允许提交。

概述

本节口径取自站方公众号图文《不想露脸、不想录音、不想学剪辑的人,终于也能做口播了》,
配图为该文原图(首发日实拍)。

先问三个问题,不用回答,心里过一遍就行 ——

  1. 你有没有过这种情况:内容想好了,稿子也写完了,但一想到要坐到镜头前,就把这件事拖到了明天?
  2. 一条 30 秒的口播视频:化妆、布光、对着镜头 NG 十几遍,再剪完加字幕配封面,你实际花了多久?半天?还是一整天?
  3. 你是不是也找过外面的团队拍片 —— 钱花了,成片出来了,播放量三位数?

如果有一个戳到你了,那这件事现在被压缩成了一次点击。

!首发上线 · 第一天🚩 首发上线 · 第一天<br><br>一张照片 + 一段文案<br>点一下「生成成片」<br>剩下的全自动<br><br>不用出镜 · 不用录音<br>不用剪 · 不用做封面

它到底替谁解决什么问题

做内容的人卡住的地方,从来不是"没想法",而是从想法到成片之间那一段又脏又累的活儿。

你现在的处境真实的代价
想露脸,但一想到镜头就发怵内容再好也发不出去
敢露脸,但状态随时会崩感冒、熬夜、状态差 → 断更
一个人做号一条片子半天,一周出不了两条
请人拍钱花了,改一版要等一周
不会配音、声音一般内容好,但"听起来不专业"
会剪但讨厌剪80% 的时间花在套版式、加字幕、做封面上

共同点是:它们都不是"创作",却吃掉了你全部的时间。
而这件工具做的事情,就是把这一段全部接过去。

它把中间那一段,整个删掉了

一张人物图 + 一段文案 →(自动)配音 →(自动)数字人口播 →(自动)套模板剪辑 →(自动)封面 → 成片

你实际只做三件事:传图、粘文案、选模板。 就三件。剩下的按四个阶段自己跑:

阶段在做什么耗时
① 规范化形象图本地缩放到目标尺寸并上传秒级
② 文案转配音把文字变成音频十几秒
③ 数字人口播生成数字人视频最慢,通常 1~6 分钟
④ 自动剪辑成片套模板 + 字幕 + AI 首帧封面1~2 分钟

进度面板全程可见:每个阶段转圈或打勾,日志滚动显示每一步在做什么、拿到什么结果、第几次重试 —— 你不用猜它卡没卡。

!右侧面板:各阶段转圈或打勾,日志滚动显示每一步在做什么、第几次重试

真机跑出来的东西

下面这条片子,输入是一张人物照 + 一段约 170 字的口播文案 + 一套真人口播模板:

!真实成片 · 29.84 秒 / 1080×1920 / 带字幕带封面成片实测<br><br>29.84 秒<br>1080×1920 竖屏 · 25fps<br><br>字幕:自动生成<br>封面:AI 首帧封面<br>口型:对得上<br><br>操作时间 约两分钟<br>(其中一分钟在等)

不看演示,看真机结果 —— 拿到就能直接发。
这是成片的第 2 秒和第 22 秒,真实抽帧,没有美化:

模板库直接铺开给你挑

每张卡带封面、名称、9:16 角标;鼠标停上去 320ms 自动播放样片,不用一个个点开猜:

!模板库:94 套真人口播,悬停 320ms 自动播放样片

三个场景共 171 套:真人口播混剪 94 套 / 素材混剪 47 套 / 新闻体·门店推广 30 套。
⚠️ 数字人的成片只能提交给「真人口播混剪」这一组模板。

出片之后,结果面板长这样

时长、分辨率、扣费、下载,全在一屏里,没有藏起来的东西:

!结果面板:时长 / 分辨率 / 扣费 / 下载全在一屏

!AI 首帧封面(系统自动生成)封面也是自动的<br><br>AI 首帧封面<br>由系统生成<br><br>不用再开修图软件<br><br>成片第一帧就是它<br>发出去就有可用封面

价格:固定价,写多长都不加钱

成片这一步固定 999 算力/条,与时长完全无关,也不会随实际时长被改写。

这一点直接决定你敢不敢批量做:按秒计费时,你每写一句话都在心里算钱 —— 越写越省,越省越干,最后交出去的是一条"省钱省出来的片子"。固定价之后,你写多长只需要考虑内容够不够说清楚。

999 落在成片(剪辑)这一步。前面还有配音和数字人,那两步按实际用量单独结算。
页面上的「预计消耗 999 算力 · 成片固定价」与实际扣款一致。

从上线第一天起,每天迭代一版

本站不打算"上线即结束":每天迭代一次,每次改动都拍视频记录下来。

因为"自动出片"真正的难点不在某个环节跑不跑得通,而在细节的手感 ——
模板和文案搭不搭、字幕断句自不自然、封面选帧准不准、哪种文案配哪种节奏。
这些只能靠一条一条真实出片去磨。

你会看到意味着什么
每天一个版本你在用的东西,每天都在变好
每次改动都有视频记录不是口头承诺,是能回看的证据
你的问题会被排进版本你提的卡点,可能明天就修好了

今天上车的人,等于是站在迭代最前面的人。

也说句实在的:它会碰到上游抽风

数字人服务会周期性出问题,日志里能看到上游瞬时故障。但有三件事让人踏实:

  1. 不是你的参数问题 —— 是弹性 GPU 机器丢失,跟填的东西无关;
  2. 失败任务不扣费 —— 出问题那一次不计账;
  3. 程序自动重试,默认 3 次尝试,不用手动重来。

日志里会显示 task_id,万一手滑关了网页,还能拿着 ID 继续查;任务记录保存在本机,刷新页面不丢历史。

🚦 一条经验:别同时开多个任务。并发更容易撞上这个故障,串行反而最快。


两个入口:选哪个

平台在两个入口提供本产品,区别只在"你手上是什么素材":

入口① 数字人视频入口② 数字人对口型
地址#/tool/digital_human#/tool/lipsync
你上传一张人物图片一段人物视频
怎么做用图片建立形象,由文案驱动开口保留原视频的画面与动作,只让嘴型对上
适合只有照片;想换人 / 换场景已有真人出镜素材;想保留真实感
档位生成模式(速度 ↔ 画质)对口型模型(大师版 / 全能版 / 体验版)

一句话:只有照片走入口①;已经有真人视频、只想改口播内容走入口②。

进入任一入口后,页面顶部的分段控件还能就地切换到另一条线,不用回菜单。


三步出片

第 1 步 · 给人物

  • 入口①:点「上传人物图片」→ 选一张清晰正面/半身人像(拖进来也行)。
  • 入口②:点「上传人物视频」→ 选一段正脸清晰、时长建议 ≤60 秒的片子。

上传成功后原地显示缩略图(视频会静音预览),点「移除」可重换。

格式:图片 jpg / png / webp;视频 mp4 / mov。
挑选要点:正面、五官清楚、光线均匀、不带墨镜;视频建议固定机位、正脸对镜头、不要大幅走动。

手上只有一张"风格参考图"? 想把一张参考图派生成多张同风格人物图再挑一张出片,
用同系列技能 avatar-autoclip(内置参考生图:1 张参考图 → N 张同风格人物图)。
网页版以页面实际显示的功能为准。

第 2 步 · 给声音和文案

声音(三种来源,按需要选一种):

方式怎么做什么时候用
公共音色(默认)下拉里选 小帅(男声·年轻口播)/ 云泽大叔(男声·成熟沉稳)/ 解说小美(女声·解说)最省事,点「试听」先听一句
用你自己的配音在「上传自己的配音」区域传一段音频你已经有真人录音,想 100% 用本人的声音
克隆专属音色点「+克隆音色」,传 10–60 秒干净人声想让以后每条片子都用这个声音

文案:在「文案内容」里写要念的话。右侧会实时显示 字数 · 预估秒数。

中文语速实测约 5.6 字/秒:要 30 秒写 ~170 字,要 60 秒写 ~335 字。
上传了自己的配音时,文案可以留空(以音频为准)。

第 3 步 · 选模板、定封面、出片

  1. 选模板:右侧「成片模板」面板挑一套。鼠标悬停 0.3 秒即自动播放样片,点卡片右上角 ⤢ 可全屏预览整套样片。
  2. 封面:默认开启「自动生成封面」——用人物形象作首帧生成 AI 封面,成片第一帧就是它。不需要就关掉(改用模板默认首帧)。
  3. 标题(可选):填「成片标题」,会作为画面上的大字渲染。
  4. 勾选肖像权授权(必填),点 「生成成片 ✦」。

之后左侧会变成进度视图:文案转配音 → 数字人合成 → 套模板成片,每一步带实时状态与日志。跑完直接给播放器 + 下载。


功能介绍

1. 成片模板库(本产品的核心差异点)

三个场景,共 171 套版式:

场景套数用途
真人口播混剪94 套数字人出片走这一组
素材混剪47 套音频 + 素材,无数字人
新闻体 / 门店推广30 套标题 + 素材,无口播

⚠️ 必须知道的前提:数字人的成片只能提交给「真人口播混剪」这一组模板。
切到另外两个场景时页面会提示 —— 它们走的是另外两条链路,不是数字人。

  • ⭐ 样片预览:
  • 悬停即播——鼠标停在模板卡上约 320ms,样片在卡内静音循环播放(封面淡出、样片淡入)。
  • 全屏弹层——点卡片右上角 ⤢,大屏播放完整样片,并显示模板名 / 场景 / 画面比例,可直接「使用此模板」。
  • 样片走平台自己的 CDN 分段(HTTP 206),所以边下边播、可拖动进度,不用等整条下完。
  • > 配图(站方公众号图文):模板库网格,悬停 320ms 自动播放样片。
  • 搜索:按名称或 ID 搜 —— 搜「白」能筛出 41 套。
  • 默认预选:进页面时自动选中第一条,不会卡在"没选模板"。

模板决定的是包装:标题样式、字幕样式、转场、背景、贴纸、片头片尾。
换模板 = 同一段素材换一套版式,不用重录。
会不会做出来都长一个样? 光真人口播就 94 套,再叠加配音、文案、封面的差异,不会撞脸。

2. 声音

音频完全不需要你自己录 —— 只输入文字就行。但如果你想控制声音,有三条路:

方式怎么用像不像本人
A. 用平台音色(默认)下拉选 → 点「试听」通用音色,不像某个具体人
B. 克隆你自己的音色上传 10~60 秒本人声音样本 → 克隆✅ 像本人
C. 上传你自己的配音切到「上传自己的配音」→ 传音频✅ 100% 就是这段音频
  • 页面精选 3 个公共音色直接可选:小帅(男声·年轻口播)/ 云泽大叔(男声·成熟沉稳)/ 解说小美(女声·解说)。
  • 一键试听:音色列表本身不带试听地址,所以「试听」会真的合成一小段给你听 —— 选之前先听,别猜。
  • 克隆是唯一"像本人"的正路:一段干净人声(无背景音乐、无回声,10~60 秒)即可。
  • 自带音频时直接跳过 TTS;文案框可留空(系统会自动识别出字幕),也可以填上用作字幕文字。

3. 自动生成封面

  • 开关在「封面」区,默认开启。
  • 开启时:以人物形象作首帧生成 AI 首帧封面,成片第一帧就是它 —— 发出去就有可用的封面图,不用再开一次修图软件。
  • 关闭时:沿用模板默认首帧,结果页标签会变成「人物形象图」。
  • 封面在结果页单独展示,并可单独下载。> 配图(站方公众号图文):AI 首帧封面。

4. 智能剪辑与包装

  • 套模板后自动完成:标题大字、字幕、背景、转场、贴纸、片头片尾。
  • 输出规格:1080×1920 竖屏 · 25fps(比例由模板决定)。
  • 字幕由配音内容自动生成,无需手工打字幕。

5. 进度、日志与结果

  • 三步进度条:文案转配音 → 数字人合成 → 套模板成片,每步带状态与耗时。
  • 实时日志:滚动显示每一步在做什么、拿到什么结果、第几次重试,并含每笔上游 task_id。
  • 结果区:成片播放器 + AI 封面缩略图 + 一组下载按钮(成片视频 / 数字人原片 / 配音音频 / AI 封面)。

时长、分辨率、扣费、下载全在一屏里,没有藏起来的东西。> 配图(站方公众号图文):结果面板——时长、分辨率、扣费、下载全在一屏。

  • 可取消:跑到一半能取消,当前步骤结束即停。

三件让人踏实的事(上游偶发故障时):

  1. 不是你的参数问题 —— 日志里那种瞬时故障是弹性 GPU 机器丢失,跟填的内容无关;
  2. 失败任务不扣费 —— 出问题那一次不计账;
  3. 程序自动重试,默认 3 次尝试,不用手动重来。

🚦 一条经验:别同时开多个任务。 并发更容易撞上这个故障,串行反而最快。

6. 历史创作

  • 面板第三个页签,记录做过的任务与状态,可回看进度与结果、重新下载成片。
  • 记录保存在你自己的浏览器里(本地存储),不上传、不跨设备。

7. 加载速度

  • 模板与音色有缓存:第二次打开基本是秒开,不会每次都重新拉。
  • 模板列表分页渐进上屏:先出第一屏,其余在后台补齐。
  • 右上角有「刷新」按钮可强制重新拉取。

计价

1 元 = 100 点。

项目价格说明
成片(智能剪辑)固定 999 点/条与成片时长无关,30 秒和 60 秒同价
文案转配音按上游实际点数(实测约 0.7 点/次)传自己的配音则不产生此项
入口① 数字人(图片线)按生成模式分档 × 输入秒数档位越高越贵;页面会显示预计消耗
入口② 对口型(视频线)按模型分档 × 音频真实时长大师版 21 · 全能版 15 · 体验版 3(点/秒)

页面底部会直接显示「预计消耗」,按下单口径与实际扣款一致。

实测参考:一条 176 字文案(约 30 秒)的成片,从提交到出片约 9~10 分钟,成片 1080×1920、29.84 秒。


常见问题

现象原因与处理
提示"未登录 / 需要登录"工具页顶栏可点登录;登录后再提交。
提交被拦下,要求肖像权授权合规硬门禁:必须勾选「我已获得该肖像权人的授权」才能提交。这是刻意做的,不勾选请求根本不会发出、也不计费。
模板/音色区显示"加载失败"多为登录态失效或网络抖动。点右上「刷新」重试;仍不行就刷新页面。
成片时长比预期短/长时长由配音决定 → 配音长度由字数决定。中文约 5.6 字/秒,按这个反推字数。
数字人这一步特别慢正常。数字人合成通常是整条链路里最慢的一段(几十秒到几分钟),页面有进度和日志可看。
出片了但第一帧没有封面检查「封面」开关是否被关掉——关掉时会用模板默认首帧。
音色听起来不像某个人公共音色是通用音色。要像本人:用「克隆音色」(10–60 秒干净人声),或直接上传本人的配音音频。
换一段文案要重做全部吗不用。同一个形象 + 同一套模板,改文案再生成即可,出的是同一个人、同一套包装的新片。
会不会做出来都长一个样?不会。模板三个场景共 171 套(光真人口播 94 套),再叠加配音、文案、封面的差异。
一直停在「数字人口播」是卡住了吗?正常,这一步通常 1~6 分钟。看日志里的 #N processing 有没有在推进就知道。
需要下载安装吗?不用。网页打开就能用,零依赖;API Key 只留在服务端,不会下发到浏览器。
文案写多长合适?输入框下方实时显示字数和预计时长(中文实测 5.6 字/秒);写 30 秒约 170 字、60 秒约 335 字。
生成模式怎么选?建议直接选高清档 —— 这是这条链路里画质最稳的一档,省下来的那点时间不值得拿画面换。
支持什么格式?图片 jpg / png / webp;视频 mp4 / mov;音频 mp3 / wav / m4a。
能不能批量做?网页适合单条手动出片;要批量脚本化,用同系列 avatar-autoclip(两边共用一套逻辑)。
上游报瞬时故障怎么办?不用管:失败任务不扣费,且程序会自动重试(默认 3 次)。但别同时开多个任务,串行最快。
能改接口地址吗?不能,也不需要。 网页版走站点自己的 /relay 通道,页面里没有任何可填的接口地址;API Key 只留在服务端,不会下发到浏览器。所以「改地址→一直报错」这种情况在本产品上不会发生。

关于"封装":网页版是最轻的封装形态 —— 用户拿到的是一个受控的网页,
不是可以直连上游的 Key,也没有可改的接口配置。
需要更强的管控(私有化部署 / 自有域名 / 白标),加微信 9872659 聊。


相关文件

文件内容
README.md快速上手与能力速查
references/功能介绍.md逐项功能的详细说明(含参数口径与实测数据)
references/接口速查.md网页背后的真实接口(想自己写脚本 / 排错时看)
references/常见问题.md报错与现象对照表
references/功能介绍.md §13公众号图文配图清单(8 张,含图注)。图片不随包分发(平台限制),需要原图加微信 9872659
LICENSE.mdMIT 许可

配图为上线首日截图,与当前界面在细节上可能略有差异(例如音色下拉、模板面板布局);
功能与口径以本文档与页面实际显示为准。


联系我们

遇到问题、想要批量出片方案、需要定制模板,都可以直接加技术微信:

渠道联系方式说明
技术微信9872659加好友请备注「数字人」;出片问题、批量需求、模板定制都走这里
产品入口https://aigc.a7w.cn平台首页,登录后从「数字人视频」进入
API / 命令行版同系列技能 avatar-autoclip要程序化、批量、无人值守出片时用

提问题时把任务号(进度区可复制)和截图一起发过来,定位最快。


相关链接

名称链接说明
算力集市(平台首页)https://aigc.a7w.cn本产品的入口站点
数字人视频(入口①)https://aigc.a7w.cn/index.html#/tool/digital_human图片 + 文案 → 数字人 → 套模板
数字人对口型(入口②)https://aigc.a7w.cn/index.html#/tool/lipsync视频 + 文案 → 对口型 → 套模板
API 开放平台https://api.a7w.cn/注册领 Key;要程序化调用走这里
同系列技能avatar-autoclipAPI + CLI 版的数字人自动剪辑

联系我们

技术微信:9872659(加好友请备注「数字人」)

出片报错、批量出片、模板定制、想要 API 版接入,都欢迎直接加微信。

联系我们

技术微信:9872659

  • 出片报错 / 效果不对 → 带上任务号 + 截图
  • 批量出片 / 定制模板 / 私有化 → 说明场景与量级
  • 要程序化调用 → 参见同系列技能 avatar-autoclip

同类文章