三剪客 · 数字人自动剪辑（网页版）

在浏览器里做出成品短视频：上传一张人物图片（或一段人物视频）+ 一段文案，自动配音、对口型、套模板、连封面一起生成，导出 1080×1920 竖屏成片。两个入口对应两条线——#/tool/digital_human（数字人视频：图片 + 文案）与 #/tool/lipsync（数字人对口型：视频 + 文案）。内置 94 套真人口播混剪模板（另有素材混剪、新闻体共三档场景），模板支持悬停即播的样片预览与全屏弹层预览；内置 3 个精选公共音色并可一键试听，也能上传自己的配音或克隆专属音色；「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。成片按【固定 999 点/条】计费，与时长无关（1 元 = 100 点）。无需安装任何软件、无需 API Key，打开网页即可用。本包是面向使用者的操作向导，含两个入口怎么选、三步出片、逐项功能说明、计价口径与常见报错对照。需要 API/命令行版本请用同系列的 avatar-autoclip。遇到问题可加技术微信 9872659。

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。

text

                    ┌── 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 一张照片 + 一段文案 点一下「生成成片」 剩下的全自动 不用出镜 · 不用录音 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

text

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。

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：

	成片实测 29.84 秒 1080×1920 竖屏 · 25fps 字幕：自动生成 封面：AI 首帧封面 口型：对得上 操作时间 约两分钟 （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：

成片第 2 秒	成片第 22 秒

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：

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：

	封面也是自动的 AI 首帧封面 由系统生成 不用再开修图软件 成片第一帧就是它 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.md	MIT 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-autoclip	API + 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