照片数字人
模型编码
avatar-photo一张人物照片加一段音频，生成口型同步、表情自然的口播视频
口播照片驱动热门
模型介绍
一张人物照片加一段音频，生成口型同步、表情自然的口播视频
- 能力类型数字人
- 产出视频
- 使用方式创作站 + 开放 API
- 调用方式异步任务，完成后可在任务中心查看
- 最长处理时间60 分钟，超时自动退回点数
参数说明
创作站表单与开放 API 用的是同一份参数定义。完整字段名与示例见 API 文档。
参数可选值 / 范围默认值说明
人物照片必填文字
上传文件
—
正脸清晰、无遮挡的半身照效果最好
驱动方式文字
上传口播音频 / 输入文案
默认上传口播音频
上传音频：人物读音频里的内容；输入文案：人物用参考音色读出你写的文案
口播音频文字
上传文件
—
按音频时长计费；没有音频可先用「AI 配音」生成
口播文案文字
最多 1000 字
—
—
参考音色文字
上传文件
—
上传 5～20 秒清晰人声，人物会用这个声音朗读；按成品视频时长计费
动作与表情（可选）文字
最多 500 字
—
—
生成模式文字
极速 / 标准 / 精细（较慢）
默认标准
—
价格明细
按参考素材的时长计费（秒，向上取整），不同规格单价不同。提交前先冻结点数，失败自动退回。登录后显示你适用的会员价或渠道价。
| 规格 | 计价单位 | 原价 | 约合人民币 |
|---|---|---|---|
| 生成模式 极速 | 每秒 | 4 点 | ¥0.04 |
| 生成模式 标准 | 每秒 | 6 点 | ¥0.06 |
| 生成模式 精细（较慢） | 每秒 | 8 点 | ¥0.08 |
1 元 = 100 点。充值套餐与会员