AB
AiBoss站
教程

亿话

教程

用亿话从照片克隆数字人并生成 PPT 讲解视频

亿话是一站式 AI 数字人创作平台,支持 2D、2.5D、3D 形象克隆、智能体训练与 PPT 口播视频生成。本文按准备工作、操作步骤、完整示例的顺序,讲清从上传人物照片到输出数字人讲解视频的完整流程,并说明参数设置、部署方式与常见注意事项。

亿话是一个一站式 AI 数字人智能体创作平台,核心能力是把「做一个数字人」拆成三件可以分别完成的事:克隆形象、训练智能体、生成视频。它支持 2D、2.5D、3D 全栈数字人的形象生成、视频制作、实时对话交互与部署集成,搭载自研 XMEN-AI 模型,具备 6K 超高清实时渲染与 0.16 秒口型响应速度,适配全信创环境,可满足高并发需求。平台面向政务、教育、文旅、金融等场景,也适合企业品牌部门、媒体与文化机构、创意工作室和个人创作者使用。如果你只是想先看看这类工具能做什么,可以在 亿话 的工具页了解基本情况,再按下面的流程动手。

这篇教程要教会读者的具体目标是:用一张人物照片克隆出数字人形象,再上传一份 PPT,让这个数字人把 PPT 内容讲出来,最终得到一条可以直接使用的讲解视频。过程中会顺带说明智能体训练、参数设置和部署发布这几个环节该怎么接上。

准备工作

账号与登录方式

使用亿话需要一个平台账号。注册入口在亿话官网,注册完成后可以用网页端登录,也可以使用客户端登录。两种方式对应的工作流基本一致,区别主要在本地素材管理和长时间操作的稳定性上:如果素材文件较大、需要反复预览,客户端会更顺手;如果只是临时做一条视频,网页端足够。

注册时建议使用团队共用的邮箱或企业账号,而不是个人临时邮箱。原因是后面会用到云端协作与权限管理功能,独立部署定制版支持团队多人协同编辑项目,并提供角色权限管理、版本历史记录、素材云端同步。账号体系一旦确定,后续加人、分配角色都会省事很多。

素材准备

在动手之前,把三类素材先整理好,能省掉大量来回返工:

  • 形象素材:一张清晰的人物照片,或者一张指定风格的参考图。照片的要求是人物面部无遮挡、光线均匀、分辨率足够高。如果要做卡通角色、历史名人或品牌虚拟代言人,就准备对应风格的参考图。
  • 知识素材:如果数字人需要回答问题,准备结构化的文本或语音数据,例如产品手册、课程讲义、常见问答、政策条文。文本越规整,后续训练出来的问答越稳定。
  • 视频素材:一份 PPT 文件,或者一段讲解文案。PPT 里的文字会被自动提取,所以页面上不要堆太多装饰性文字,否则提取出来的口播稿会很啰嗦。

明确你要做哪一种数字人

亿话的形象体系分 2D、2.5D、3D 三档,选型直接影响后面的工作量和最终效果:

  • 2D 数字人:从单张照片或参考图克隆,制作成本最低,适合口播视频、客服问答、课程讲解这类正面出镜的场景。
  • 2.5D 数字人:在平面形象基础上增加一定的立体感与动作表现,适合展厅讲解、品牌代言这类需要一点表现力的场合。
  • 3D 数字人:完整的三维形象,适合需要多角度展示、与硬件设备配合的线下场景,例如全息舱、多模态交互一体机。

如果只是第一次尝试,从 2D 开始最稳妥。等流程跑通、确认效果符合预期,再考虑升级到 2.5D 或 3D。

操作步骤

第一步:登录并选择创作模式

登录后,平台提供三个主要入口:创建数字人、训练智能体、制作视频。这三个入口对应三条不同的工作流,但共享同一套形象资产——也就是说,你先在「创建数字人」里做出来的形象,后面在「训练智能体」和「制作视频」里都能直接调用。

推荐的顺序是:先创建数字人形象,再决定要不要训练智能体,最后做视频。原因是形象是基础资产,智能体和视频都建立在它之上。如果顺序反过来,先做视频再回头改形象,前面的视频就得重做。

第二步:克隆数字人形象

进入「创建数字人」后,核心动作是上传素材并启动训练。具体操作是:

  1. 选择形象类型(2D / 2.5D / 3D)。
  2. 上传人物照片,或上传指定风格的参考图。平台支持对任意风格的形象进行一键克隆训练。
  3. 根据需要设置表情、动作、服装等细节。这一步决定了数字人的辨识度和品牌属性,如果要做品牌虚拟代言人,服装和配色最好与品牌视觉保持一致。
  4. 启动 AI 训练,等待形象生成。

训练过程中平台支持实时预览与调整。这意味着你不必等训练全部结束才发现方向不对——预览阶段发现表情僵硬或服装不合适,可以直接调整参数重新训练,比生成完再返工要快得多。

形象克隆的适用范围比较宽:超写实真人、卡通角色、历史名人、品牌虚拟代言人都能做。做历史人物或卡通角色时,参考图的质量比数量更重要,一张风格明确的图往往比十张风格混杂的图效果好。

第三步:训练数字人的「大脑」与「音色」

如果数字人只需要念稿,这一步可以跳过。但如果它要回答问题、做业务讲解、参与直播互动,就需要在形象克隆的基础上继续训练智能体。

训练分两条线:

  • 大脑:上传文本或语音数据,训练数字人的专业知识库与对话逻辑。训练完成后,数字人能做智能问答、业务讲解、情感交互,支持多轮对话、意图识别与多语种响应。
  • 音色:上传语音数据,训练数字人的语音特征。平台针对中文语境做了深度优化,同时支持英语、日语等多种语言及部分方言的语音合成与识别。

在训练环节,除了上传知识文档,还需要编辑或输入提示词。提示词决定了数字人的说话风格和边界——比如它是严谨的政务导办员,还是亲切的课程讲师。这一步的参数还包括数字人风格、音色、贴片字、交互提示词等,设置完成后启动 AI 训练。

知识库的组织方式值得多花点时间。把文档按主题拆成若干份,比塞一个大文件更容易得到准确的回答;常见问答单独整理成一组,命中率通常更高。

第四步:用 PPT 生成数字人讲解视频

这是整个流程里最省事的一环,也是最适合先跑通的一环。进入「制作视频」后:

  1. 上传 PPT 文件。平台会自动提取页面内容,生成对应的口播稿。
  2. 选择前面已经做好的数字人形象。
  3. 设置讲解风格、背景音乐、字幕与转场效果。
  4. 生成视频。

整个过程不需要拍摄、剪辑与后期制作。输出结果可以直接用作宣传片、课程视频、产品介绍。如果自动提取的口播稿有偏差,可以在生成前手动修改文案——这一步建议一定要做,因为 PPT 上的标题、页脚、图表标注都可能被误当成正文提取进去。

如果手上没有 PPT,也可以直接输入讲解文案,走同一条生成链路。

第五步:生成与部署

训练和生成完成后,产物有三种形态,对应三种发布方式:

  • 数字人形象:作为资产保存,供后续项目复用。
  • 智能对话模块:可一键发布至网页,或集成至第三方系统。
  • 讲解视频:导出后用于课程平台、宣传渠道、展厅屏幕。

线下场景需要额外考虑硬件。亿话平台可与多模态交互一体机、全息舱等硬件设备对接,实现数字人在政务大厅、企业展厅、博物馆、医疗机构等场所的高清展示与触摸交互。这类部署涉及设备选型与现场调试,建议先在小范围试点,确认交互体验后再铺开。

第六步:持续迭代

数字人上线不等于结束。基于使用数据与反馈,可以随时更新知识库、调整交互策略,让数字人保持时效性与智能性。政策类、产品类内容变化频繁的场景尤其需要定期维护——知识库过期比没有知识库更容易出问题。

如果使用独立部署定制版,团队协作会方便很多:多人可以协同编辑项目,角色权限管理能控制谁能改知识库、谁只能看数据,版本历史记录则让每次调整都可回溯,素材云端同步避免了多人各自维护一份素材的混乱。

一个完整示例

下面用一个具体场景把上面的步骤串起来:某企业市场部门要做一条产品介绍视频,由虚拟代言人出镜讲解。

场景设定

  • 目标:一条 3 分钟左右的产品介绍视频,由品牌虚拟代言人讲解。
  • 素材:一张品牌代言人风格的人物照片、一份 12 页的产品介绍 PPT、一份产品问答文档。
  • 输出:视频文件,用于官网和展会屏幕。

执行过程

  1. 登录并进入「创建数字人」,形象类型选 2D。上传人物照片,设置服装配色与品牌视觉一致,启动训练。在预览阶段确认面部表情自然、口型无明显延迟后,保存形象。
  2. 进入「训练智能体」,上传产品问答文档作为知识库,输入提示词限定回答范围(只回答产品相关问题,不涉及价格承诺),选择或训练音色,启动训练。训练完成后用几个典型问题试问,检查意图识别是否准确。
  3. 进入「制作视频」,上传 12 页产品介绍 PPT。平台自动提取内容生成口播稿后,逐页检查并删掉被误提取的页脚与图表标注,补上过渡句。
  4. 设置视频参数:讲解风格选正式,配上背景音乐,开启字幕,页间加简单转场。
  5. 选择第二步做好的数字人形象,生成视频。
  6. 导出并发布。视频用于官网与展会屏幕;同时把智能对话模块发布到官网客服入口,让同一个数字人既能播视频也能答问题。

这个示例说明了什么

一次形象克隆的投入,可以同时支撑视频和对话两种输出。这也是为什么推荐先做形象、再做智能体、最后做视频——形象是复用率最高的资产。如果后续还要做系列课程或多语言版本,只需要换 PPT 和音色,形象不必重做。

注意事项

关于免费体验与定价

平台提供限时免费试用功能,可以初步体验数字人生成与基础交互。免费试用通常有功能或时长上的限制,适合验证效果,不适合直接用于正式项目。具体的套餐划分、配额、独立部署定制版的报价,以及试用期的具体规则,都会随时间调整,请以官网当前信息为准,不要依据二手资料做采购决策。

关于素材合规

形象克隆涉及人物肖像。使用真人照片时,需要确认已获得肖像权授权;使用历史名人、影视角色、品牌形象做参考图时,要确认不侵犯相关权利。平台本身不替使用者判断授权问题,这部分责任在使用方。政务、金融等受监管场景还应额外确认内容审核要求。

关于效果预期

素材中给出的 6K 超高清实时渲染与 0.16 秒口型响应速度是平台能力指标,实际体验会受网络环境、终端设备、所选形象类型影响。2D 与 3D 的渲染开销差别很大,线下硬件部署前务必实测。另外,多语言与方言支持覆盖的是「多种语言及部分方言」,不是全部,做国际化项目前应先确认目标语种是否在支持范围内。

关于知识库维护

智能体的回答质量取决于知识库质量。文档结构混乱、内容互相矛盾、版本过期,都会直接反映在回答里。建议指定专人负责知识库更新,并利用版本历史记录保留每次变更,出问题时能快速定位是哪次改动引入的。

关于协作与权限

云端协作与权限管理是独立部署定制版的能力,标准版本不一定具备。团队规模较大、需要多人同时编辑项目时,应提前确认所选版本是否支持角色权限管理与素材云端同步,避免项目推进到一半才发现协作方式受限。