即梦AI数字人制作教程：3分钟生成你的专属数字人

不露脸也能做短视频，这个需求最近越来越多人提。以前想做数字人，要么花几千块找外包，要么折腾复杂的软件。现在即梦AI把这个门槛砍到了零。一张照片、一段音频，几分钟就能出一个效果不错的数字人口播视频。

凌创派的这篇文章会把操作方法掰开揉碎讲清楚。先说说这个工具靠什么技术，再手把手带你走一遍完整的制作流程。

字节跳动悄悄放了个大招

即梦AI是字节跳动旗下的一站式AI创作平台，网址是 jimeng.jianying.com。它在2025年3月7日正式上线了数字人功能的"大师模式"，背后驱动技术是字节自研的 OmniHuman-1 模型（雷锋网，2025年3月7日报道）。

这个模型做的事情很简单。一张图片加一段音频，就能让图片里的人活过来。嘴型对得上、表情跟得上、身体还会动。真人照片能用，动漫角色、3D卡通形象也没问题。

说起来简单，但实操中有不少坑。下面是我自己测试下来总结的完整流程，每一步都踩过坑。

第一步：准备工作，决定成败

80%的翻车案例都卡在这一步。

照片选对，后面省一半事

合适的照片长这样：

• 分辨率够高，五官清晰可见
• 自然光或者柔光拍摄，别用闪光灯直打
• 头肩比例大概 1:2
• 表情自然，微笑或者平静都可以
• 正面或者微侧（不超过15度）
• 背景干净，最好是纯色

千万别用的照片：

• 大角度俯拍、仰拍
• 浓妆艳抹的艺术照
• 脸上有强烈阴影
• 模糊的手机截图
• 背景杂乱的街拍

选错照片会出现什么后果？嘴型对不上、面部抖动、动作变形、背景穿帮。基本上就是"崩坏"现场。

音频怎么准备

音频的质量直接影响数字人的自然度。三个办法：

1. 直接打字：在即梦的"文本朗读"框里输入文案，选一个喜欢的音色，系统会自动合成语音
2. 上传录音：自己录好的MP3文件传上去，效果最好
3. 声音克隆：上传5秒以上的音频素材，生成专属音色（腾讯新闻实测，2025年3月）

不管用哪种方式，记住一个原则。音频越干净，数字人越自然。背景音、回声、环境噪音都会让数字人看起来违和。

第二步：进入操作页面

打开即梦AI官网（jimeng.jianying.com），登录你的账号。左侧边栏找到"灵感"，中间的下拉菜单第一项选"数字人"，第二项选“大师模式”。

第三步：上传素材，开始生成

操作顺序很简单。先传音频，再传图片。

传音频：点击"上传音频"，选你准备好的MP3文件。也可以用"文本转音频"，直接输入台词，选音色和语速。想要声音克隆效果的，点"声音克隆"，上传录音就行。

传图片：音频传好后，点"上传素材"，选你的照片或者图片。系统会自动识别图片里的人物，识别不准的话可以手动框选。

选模式：这里最关键。即梦提供了三种生成效果，区别很大：

大师模式基于OmniHuman-1.5模型，效果是三个里面最好的。不光嘴型对得上，人物的手势、身体动作、甚至背景里的光影都会动起来。目前音频最长支持15秒。

第四步：调整参数，别踩这几个坑

选了大师模式之后，有几个参数值得调一下：

运动幅度：建议调到 2到3 之间。调太高的话，人物脑袋晃得像拨浪鼓，画面会崩。我们追求的是"嘴在动"而不是"头在晃"。

口型匹配模式：新手优先选"生动模式"，既对准口型又能同步面部微表情。要做商业级效果就选"大师模式"。

画质：直接选 1080P，免费版也能用。

第五步：预览和导出

参数调好后点"生成视频"，等10到30秒就能看到效果。

预览时重点看三个地方：

1. 口型：和音频对得上吗？有错位就换音频片段重试
2. 表情：自然吗？太僵硬就切到生动模式
3. 动作：会不会太夸张？运动幅度调低点

没问题就点"导出"，选MP4格式。导出来的视频可以在剪映里加字幕、配乐，也可以直接发抖音、小红书。

积分怎么算，到底要不要花钱？

即梦AI用积分制。免费用户每天可以领 60到100个积分，每天刷新。大师模式每秒消耗8积分。算下来，一天免费积分够生成10秒左右的视频。

如果想多做一些，可以买会员。即梦的会员分几个档次：

日常轻度使用的话，每天的免费积分基本够用（来源：即梦AI付费服务协议）。

几个常见问题

Q：能用在商业项目里吗？
A：可以，付费版支持商业用途。免费版生成的内容有水印。

Q：动漫图片能用吗？
A：能用。OmniHuman-1.5对动漫、3D卡通形象都支持，不过效果没有真人照片好。

Q：能生成多长的视频？
A：大师模式最长15秒音频。想更长的可以分段生成，然后在剪映里拼接。

Q：多人对话怎么做？
A：分段生成。第一个人物+音频生成一段，第二个人物+音频再生成一段，最后在剪辑软件里用画中画叠加。

说白了这个东西能干什么

对自媒体创作者来说，最直接的价值就是不用真人出镜。知识博主不想露脸？一张照片配上文案，数字人替你讲。品牌方要做产品演示？上传形象照，选商务风格，几分钟出片。想搞点好玩的？用动漫角色对口型唱歌，整活视频发出去流量不错。

门槛低到什么样？有人用即梦生成的数字人替马斯克讲中文、替《银魂》角色演赵本山小品，虽然效果说不上完美，但已经够让人惊讶了。

当然也有局限。15秒时长限制、某些角度和动作会崩、声音克隆质量参差不齐。但考虑到这是完全免费就能用的东西，性价比已经很高。