快速回答
在 inSai Hilight 的「数字人口播」中，可以从文字脚本或本地录音开始，生成数字人出镜讲解的视频。第一次使用时可以直接选择系统数字人；需要指定人物外观时，也可以上传形象视频。
已有文案时选择「创意脚本」，希望保留原有声音和表达节奏时选择「本地录音」。确定内容来源后，再依次匹配视频语言、人物和声音，最后调整语速、背景音乐与字幕。
一条产品讲解上线后，内容通常不会就此定稿。价格、活动日期、功能卖点或目标市场发生变化，原来的人物口播也要跟着更新。真正难管理的往往不是第一条视频，而是之后不断增加的版本。
这篇教程从两种常见素材出发：已经写好的讲解文案，或者已经录好的声音。你会看到两条路线分别怎样设置、哪些素材限制要提前检查，以及第一次生成后应该优先调整什么。
什么情况下适合使用数字人口播？
当视频最重要的任务是“让一个人把信息讲清楚”时，数字人口播通常比单纯展示商品图或画面更合适。用户能同时看到讲解人物、听到完整信息，也不需要为了每次改文案或换语言重新安排真人拍摄。
它适合制作：
- 产品或服务介绍
- 品牌和功能说明
- 活动规则与通知
- 教程或新手引导
- 社媒人物口播
- 面向不同市场的多语言版本
- 后续剪辑需要的人物讲解片段
如果重点是把信息说清楚，选择数字人口播；如果人物必须一直拿着商品展示和推荐，可以参考用一张商品图生成数字人手持讲解视频；如果只需要旁白，不需要人物出镜，可以使用文本转语音。
创意脚本和本地录音应该怎么选？
进入工具后的第一个选择不是人物，而是内容来源。这个选择会决定声音如何生成，也会影响后面需要设置哪些内容。
| 从什么开始 | 适合什么情况 | 后续可以控制什么 |
|---|---|---|
| 创意脚本 | 已经有文案，或者希望直接把文字变成人物口播 | 脚本、语言、人物、音色、音量、语速、背景音乐和字幕 |
| 本地录音 | 已经录好音频，希望保留原本的声音和表达节奏 | 录音、人物以及页面提供的相关展示设置 |
创意脚本更容易修改、翻译和复用，适合制作多个版本；本地录音更适合声音、重音或表达节奏已经确定的内容。
生成前需要准备什么？
使用创意脚本时
准备一段目标明确、适合说出来的简短文案。产品讲解可以先说明产品是什么，再围绕一两个核心卖点连接真实使用场景，最后给出一句简单的行动引导。
脚本要按照口播来写，而不是直接复制详情页。句子更短、停顿自然、形容词和参数更少，数字人讲出来通常会更顺畅。
使用本地录音时
录音要人声完整、噪音少，音量尽量保持稳定。帮助文档建议音频时长控制在 5 秒到 2.5 分钟以内，文件大小不超过 20MB。
上传前先完整听一遍，检查开头和结尾有没有被截断，背景音乐、环境声或回声是否影响人声。
选择人物时
可以直接选择系统数字人，也可以上传形象视频。系统数字人适合第一次快速测试；上传形象视频适合需要指定人物外观的内容。
形象视频建议人物清楚、光线稳定、背景干净、表情自然，面部没有遮挡，画面不要明显晃动。视频时长需在 10 秒到 3 分钟之间，文件不超过 300MB，支持 MP4 和 MOV 格式，分辨率支持 360P 到 4K。
如何在 inSai Hilight 中生成数字人口播视频
内容来源确定后，再按照顺序完成设置。使用创意脚本时，先选择视频语言，再选择数字人和音色，后续选项会更准确。
第一步：进入数字人口播并选择内容来源
进入「数字分身」区域，打开「数字人口播」。选择「创意脚本」可以输入或粘贴文字；选择「本地录音」可以上传已经录好的音频。
在创意脚本中，可以手动填写文案，也可以使用 AI 写脚本、AI 润色、AI 翻译、插入停顿和标识多音字。使用这些功能后，仍然要把最终文案读一遍，删掉太书面、太长或信息过密的句子。
使用本地录音时，先上传音频并确认时长、大小和清晰度符合要求，再继续选择人物。
第二步：使用创意脚本时先选择视频语言
使用创意脚本时，需要先确定视频语言。脚本语言和视频语言应该保持一致，并且所选语言会影响后续可以使用哪些数字人和音色。
截至 2026 年 7 月 22 日，本教程所使用的数字人相关工具支持英语、中文、粤语、阿拉伯语、俄语、西班牙语、法语、葡萄牙语、德语和日语，共 10 种语言。
第三步：选择系统数字人或上传形象视频
想快速测试，或者希望多条内容使用统一的现成人物，可以选择系统数字人。选择时重点看人物形象、表达风格、支持语言和整体气质是否符合内容及目标受众。
需要指定人物外观时，可以上传形象视频。按照前面的素材要求检查视频后再上传。如果同一个人物需要长期出现在多条视频中，可以参考如何从短视频创建自定义 AI 数字人，使用经过授权的短视频创建可复用形象。
第四步：确认声音的生成方式
可以使用的声音方式会随着内容来源和人物来源变化。
- 使用创意脚本并上传形象视频时，可以使用视频素材音色，也可以改用系统音色。
- 希望保留原人物声音时，选择视频素材音色。
- 更看重语言支持或声音稳定性时，选择系统音色。
- 使用系统数字人时，选择该人物和当前语言支持的音色。
- 使用本地录音时，主要以上传录音作为口播内容，不再按照“文字脚本加音色”的方式生成声音。
页面支持试听时，先听一遍再确定。音色即使支持当前语言，也不一定符合人物形象、产品类型或内容语气。
第五步：调整语速、音量、背景音乐和字幕
使用创意脚本时，生成前可以继续设置音量、语速、背景音乐和字幕。语速支持 0.5x 到 1.5x，并可以按照 0.25x 调整。
第一次测试建议先保留默认值。只有表达明显偏慢时再适当加快；背景音乐影响人声时可以关闭；脚本信息较多，或者视频可能在静音状态下观看时，建议开启字幕。
第六步：生成前检查并立即生成
点击「立即生成」前，确认：
- 脚本或录音内容完整、清楚
- 脚本语言和视频语言一致
- 已经选择数字人或上传形象视频
- 所选音色支持当前语言
- 语速和音量符合内容需要
- 背景音乐不会盖住人声
- 需要帮助理解时已经开启字幕
确认后点击「立即生成」。生成完成后先预览，再下载结果。如果整体方向正确，只是某个细节不理想，优先调整对应输入或设置，不必同时重做所有内容。
第一次生成后应该检查什么？
不要只看数字人形象是否精致，还要把它当作一条真正需要传递信息的口播内容来检查。
- 信息是否清楚： 用户能不能听一遍就理解最重要的内容？
- 人物是否匹配： 数字人是否符合品牌、主题和目标受众？
- 声音是否匹配： 音色与人物形象和内容语气是否协调？
- 口播节奏是否自然： 停顿和语速是否容易跟上？
- 人物素材是否稳定： 上传的视频是否清楚，光线和画面是否稳定？
- 整体听感是否舒服： 字幕是否清楚，背景音乐有没有影响人声？
每次只调整一个变量。表达太密就缩短脚本，音色不合适就换声音，语速太快就降低速度，人物画面不清楚就更换形象视频。
常见问题与调整方法
缩短长句，删除重复卖点和过多形容词，按照一个人在向另一个人解释的方式改写。需要自然停顿的位置，可以使用插入停顿功能。
先检查视频语言。语言会影响后续出现的数字人和音色，选择错误时，可选范围可能变少，或者出现不适合当前脚本的选项。
换用环境更安静、人声完整、音量更稳定的录音。去掉开头或结尾过长的空白，并确认文件符合时长和大小要求。
更换人物更清楚、构图更稳定、光线均匀、背景简单且面部无遮挡的视频，并重新确认时长、格式、分辨率和文件大小。
先检查音色和语言是否匹配，再调整语速。背景音乐影响人声时可以关闭；内容里包含名称、数字或多个步骤时，可以开启字幕帮助理解。
常见问题
可以直接把文字脚本生成数字人口播视频吗？
可以。选择「创意脚本」，输入或粘贴文字，再设置视频语言、人物和音色，检查口播参数后即可生成。
可以使用自己的录音，不使用 AI 音色吗？
可以。选择「本地录音」并上传清晰音频。建议时长为 5 秒到 2.5 分钟，文件大小不超过 20MB。
必须先创建自己的数字人吗？
不需要。第一次测试可以直接使用系统数字人。只有需要同一个品牌人物长期、稳定地出现在多条视频中时，再创建自定义数字人。
可以上传自己的人物视频吗？
可以。支持时长 10 秒到 3 分钟、大小不超过 300MB 的 MP4 或 MOV 文件，分辨率范围为 360P 到 4K。人物清楚、光线稳定、接近正面的素材更适合作为输入。
生成一条 AI 数字人口播需要多少星光点？
星光点消耗不是固定值，会随任务和所选设置变化。提交前查看「立即生成」按钮旁显示的星光点数量；更换人物或其他生成选项后，也要重新确认。当前页面显示的数量，就是本次生成的预计消耗。
总结
第一条数字人口播不需要很长的脚本，也不必一开始就创建专属人物。先用一个清楚的讲解重点、一个系统数字人和默认口播设置跑通流程；确认表达方向以后，再根据下一条内容的真实需要更换人物、音色、语言或录音方式。
