如何制作可重复使用的会说话的AI数字人 | Seedance 教程

快速回答： 设计一个头像图像，为其固定一个声音，并重复使用这两者。在 Seedance 上，长篇演示片段可以使用“图片模式”下的 嘴型同步 (Lip Sync)；如果你想让数字人在新场景中说话，则使用 Seedance 2.5 参考视频 (Reference to Video)。

大多数指南在完成第一个说话片段后就停止了。更难的部分在于第二集：面部走样、声音变化，导致系列视频看起来不像同一个角色。本指南将展示如何在 Seedance 上一次性构建 AI 数字人头像，并在你制作的每一个视频中保持一致性。

如果你想将肖像动画化为不带声音的短视频片段，请先阅读我们的 Seedance AI 数字人视频指南 (2026)。本文主要讨论会说话的数字人。

可重复使用数字人的三个组成部分

在制作第一个视频之前，请将这三者保存在一个文件夹中。

第 1 步：设计主数字人头像

打开 文字生成图片 并详细描述角色。对比几个模型，例如 Nano Banana 2、Seedream 5.0 Pro 和 GPT Image 2.5，选择一个你愿意在每一集中都看到的满意结果。

提示词示例：一位二十多岁阳光男性的头肩肖像，黑色短卷发，圆框眼镜，芥末色针织毛衣，直视镜头，左侧柔和日光，纯浅蓝色背景，写实照片风格。

然后进行检查：

• 面部清晰且正对镜头。
• 嘴巴和下巴完全可见。
• 背景简洁，没有文字或第二个人。

想要使用你自己的形象？请从一张清晰的近期个人照片开始。如果想先尝试新装扮，可以使用 图片生成图片 进行编辑。

第 2 步：固定数字人的声音

在 文字转语音 中创建声音，该功能提供 Gemini 3.1 Flash TTS 和 Seed Audio 1.0。选择一种声音和一种表达风格并记录下来，例如“Seed Audio 1.0，温暖男声，英语，语速平缓”。为每个脚本使用相同的设置。

你也可以自己录制脚本或聘请配音演员。每次都在同一间房间使用相同的麦克风录制，这样角色在每一集听起来都完全一样。

第 3 步：选择数字人的说话方式

Seedance 提供两种方式让同一个数字人开口说话。

选项 A：用于演示片段的会说话照片

打开 嘴型同步，切换到“图片模式”，上传主头像和音频轨道。这会保留原始构图，最适合长篇讲解、课程和更新视频。

选项 B：使用你的数字人创建 Seedance 2.5 场景

当你希望数字人走过商店、坐在咖啡馆或在白板前进行演示时，请使用 Seedance 2.5 的 参考视频。将主头像添加为图片参考，将音频轨道添加为音频参考，并描述场景：

@1 穿着芥末黄毛衣的男子站在咖啡柜台后，看着镜头并说出音频中的台词，然后指着身后的菜单板。中景，温暖的晨光，轻微推镜头。

Seedance 2.5 支持多达 30 张参考图和长达 30 秒的参考音频，每个片段可生成长达 30 秒的 480p 或 720p 视频，每秒消耗 8.5 积分。请保持场景台词简短：每个片段一到两句话。

第 4 步：制作第二集（及第十集）

1. 编写新剧本并使用保存的语音设置创建音频。
2. 上传同一张主图，而不是重新生成的图片。
3. 在提示词中重复使用风格说明，仅更改场景和动作。
4. 在发布前，将新片段与之前的片段进行并排对比。

如果选项 B 中的面部开始走样，请添加第二张数字人参考图，例如使用“图生图”功能根据主肖像制作的四分之三侧视图。

解决常见问题

常见问题解答

什么是 AI 数字人？

一种根据一张图片和一个语音轨道创建的数字角色，可以在镜头前说出你的剧本。

我应该从哪个选项开始？

对于超过 30 秒的演示型视频，请使用图片模式下的 Lip Sync；对于数字人在特定场景中移动的短场景，请使用 Seedance 2.5 Reference to Video。

数字人可以使用我自己的声音吗？

可以。上传你自己的录音，而不是使用文字转语音轨道。

费用是多少？

使用 Kling AI Avatar Standard 制作 30 秒的会说话的照片大约需要 90 积分，使用 OmniHuman 2.0 则需要 150 积分。制作 10 秒的 Seedance 2.5 场景大约需要 85 积分。工具会在生成前显示确切费用；请参阅 定价。

我可以制作他人的数字人吗？

只有在获得其许可的情况下才可以。切勿使用数字人冒充真人或误导观众。