1. 选择音色（决定数字人的声音）
从已有音色里选一个，或上传一段参考音频克隆出新音色。
A 使用已有音色
或
B 上传新音频，克隆新音色
拖拽音频到此处，或 点击选择
支持 wav/mp3，建议 10 秒以上、清晰单人、无背景噪音。
2. 选择数字人形象（决定画面里的人）
点选一个下方形象，或上传一段正脸口播视频作为新形象。
A 从形象库中选择
或
B 上传新形象视频
拖拽视频到此处，或 点击选择
mp4 格式，正脸口播、清晰、时长足够的真人视频，效果最佳。
3. 口播文案（数字人要说的话）
输入文字，用所选音色朗读；留空则直接用该音色的原始参考音频。
4. 生成
确认已选好音色与形象后点击开始，合成需数分钟，可在下方历史查看进度。
生成历史
| 时间 | 文案 | 音色 | 形象 | 状态 | 耗时 | 成片 | 操作 |
|---|