⚡【快速了解】轻松克隆数智人
您只需上传一段模特口播视频，无需训练，即刻克隆一个1：1还原的视频数智人。
通过文本或音频驱动数智人，即可自动生成口型、动作、姿态、音色、完美还原的口播视频。
本文章内容及目标：视频数智人克隆所需视频素材准备相关注意事项，为您的数智人克隆提供较好的样本素材。
⚡一：核心克隆能力
实景克隆： 1:1 还原拍摄时的真实背景环境。
走动克隆： 精确模仿还原录制人物时候的动作序列
口型克隆： 高度保留录制本人的口型、表情特征（唇齿相似度接近90%），表情动作的自然度取决于模特表现力。
⚡二、视频素材拍摄要求 (重要)
1. 拍摄与环境
拍摄设备：
推荐使用专业摄影机或相机。
手机设备：首选苹果手机，拍摄时具体参数如下：后置摄像头拍摄、视频模式（非电影效果），大小1x，分辨率4K，帧率30fps；关闭 PAL 格式、HDR 模式、自动 FPS，关闭入口：设置 > 相机 > 录制视频。
画面稳定：
固定姿势（坐/站）： 建议使用三脚架等设备，确保画面稳定。
走动拍摄： 建议使用稳定器拍摄。
声音录制：
此步骤只采集录制画面，视频对声音无要求。（如需和视频同步采集声纹训练素材，请参考：声音复刻极速版—训练素材录制指引）
拍摄环境：
光线： 面部光线需稳定、明亮、均匀。避免强光直射或面部阴影。
背景： 干净整洁。选择/布置适合目标应用场景的背景。实景克隆会完全还原背景。
2. 拍摄角度
首选正面平视镜头。（摄影机和人眼同一高度）
如需侧身：
水平转动角度 ≤ 45度。
俯仰角度 ≤ 15度。
视频画面：模特上下左右预留一定空间，避免太过拥挤。
3. 模特表现 (关键)
时长： 拍摄约 1分钟 的连续素材。
口型与表情：
自然、连贯、流畅地口播文稿。
即使读错，也请务必保持口型动作的连续性，不能卡顿或停顿。
避免眼神飘动（例：使用提词器读稿时，眼神左右看稿），保持眼神注视镜头。
动作与姿态：
避免手势动作类型单调。
避免文稿内容重复。
避免人脸被遮挡（如手势动作高于肩部、物品遮挡等）。
避免身体大幅度的前后或左右晃动。
避免做出带有特定语义或指向性的手势（如OK手势、伸手指数1/2/3）。
请确保手部动作始终在画面内，不出画。
⚡三、视频素材剪辑与上传要求
1. 剪辑
视频只可进行掐头去尾式编辑，提供的素材需是连续无间断的拍摄片段。
不要在视频中间进行任何剪辑（会导致跳帧，污染训练数据）。
2. 视频参数
格式：
.MP4帧速率：
25帧/秒或30帧/秒分辨率 (推荐)：
竖屏：
1080 x 1920横屏：
1920 x 1080重要限制： 上传视频分辨率（宽 x 高）的乘积 ≤ 2,073,600 像素 (例如：1920x1080=2,073,600)。
时长：
10秒至120秒(1-2分钟)文件大小：
≤ 500 MB
遵循以上指南准备素材，将极大提升您的视频数智人克隆效果！
❓【常见问题】
Q1: 手机拍摄是否真的能达到要求？
👉 可以，为了克隆数字人画质更好，请设置手机最高画质拍摄
Q2: 光线不足如何补救？
👉 低成本方案：靠窗+补光灯/反光板（或大张白纸代替）
Q3: 读错文稿需要重拍吗？
👉 不需要，保持口型动作流畅不卡顿即可
Q4: 为何侧身拍摄旋转角度不能过大？
👉 影响口型克隆效果
Q5: 克隆的数智人为何表情僵硬，动作单调？
👉 数智人所表现表情或动作，取决于拍摄时模特的表现力。建议拍摄时表情轻松自然，手势动作类型多种组合。