注册并登录扣子账号。
确认积分充足。
案例中的 1 分钟的数字人口播视频共计耗费 7.2 万积分。你可以在页面左下角查看当前积分余额，确保积分充足。
准备视频主题。准备一个主题或想法，不需要详细的脚本，可以让 Agent 帮你一起调研、发散并整理成适合数字人口播的视频脚本。例如情绪经济热点分析、新品功能介绍、行业趋势解读等。
准备数字人形象图片，最少有一张正面主视图，用于创建角色资产。

操作步骤

步骤一：把数字人形象存进资产库

在开始制作前，建议先把常用的数字人形象存进资产库。这样后续每次制作口播视频时，都可以直接复用同一个数字人，让账号内容保持统一的视觉风格。

创建视频项目。
登录扣子。
在左侧对话区单击加号（+）图标，选择新建视频项目。
点击加号，选择 从个人资产导入。
进入个人资产页面后，选择角色，并点击加号新建资产。
填写数字人的名称、音色描述，并上传提前准备好的数字人主视图和三视图的图片。
例如，可以创建一个名为“小淘”的数字人形象，并描述为“温和知性的年轻女性，适合做热点解读和知识科普类口播”。

从个人资产导入

新建角色“小淘”
保存完成。
这个角色资产就可以在以后的所有视频项目里反复调用了。

步骤二：和 Agent 一起整理思路和脚本

有了数字人形象之后，就可以把视频主题交给 Agent，让它帮你从选题调研、内容发散到口播脚本，一步步把想法整理成可生成的视频方案。

输入你的创作方向。
资产创建好之后，先把数字人形象引用到对话框里，再输入你的创作方向。制作数字人口播，不一定要一开始就写好完整口播稿。你可以先告诉 Agent 一个大致主题，让它帮你一起调研、发散和梳理内容。例如：
```
@小淘 我想做一个60s左右的“情绪经济”相关的热点分析，通过数字人口播的方式讲解。
先帮我调研下相关内容，给我一些灵感
```
Agent 开始内容调研。
Agent 收到方向之后，会先主动帮你做一轮内容调研。比如本教程的主题是 "情绪经济热点分析"，Agent 会返回：
- 当前市场的真实数据和需求分类
- 最有画面感的典型案例（比如哭哭马、海底捞财鱼片等）
- 供给端的市场规模和行业逻辑
- 2-3 个可以深入的内容方向，供你参考和选择
浏览完 Agent 的调研，和 Agent 沟通你的脚本思路。
你可以告诉 Agent 开场怎么放钩子、中间讲什么、结尾怎么收，以及哪些调研内容你想用到脚本里，Agent 会按照你的框架来写，而不是按它自己的理解自由发挥。
```
我希望标题能提到情绪经济买的是种感觉，开场可以提出这是些反直觉的现象，然后中间剖析情绪经济的概念，后期进行3个案例轰炸，用到你调研到的最有画面感的案例
基于这个逻辑帮我梳理一下口播脚本
```
Agent 的调研

和 Agent 沟通脚本思路
（可选）让所有镜头的字数和语速均匀。
数字人口播里，不同镜头的字数和语速要尽量均匀。如果某个镜头文字太多，语速就会很赶；另一个太少，就会显得拖沓，听起来整条视频节奏忽快忽慢。
在让 Agent 动手写脚本之前，记得强调：
```
镜头尽可能少，要保证每个镜头的字数量和语速合适
```
Agent 会根据你的要求，将脚本拆成多个镜头，并标明每个镜头的时长、画面设计和口播内容。你可以先浏览一遍，确认整体结构是否符合预期。
（可选）补充画面设计要求。
有了口播脚本后，还可以继续补充画面设计需求。数字人口播视频除了人物本身，还可以叠加花字动效和背景切换，让视频更有节奏感，也更适合短视频平台的观看习惯。
例如，你可以要求：
```
在数据冲击、重点词和情绪金句出现时，弹出较大的花字。不同重点词可以使用不同颜色和字体。背景跟随整体叙事节奏进行变化。
```
Agent 会把这些画面设计要求融入整个脚本，在每个镜头下面新增背景和字体的具体描述，作为视频生成时的参考指导。
浏览一遍加入画面设计后的完整脚本，确认没有问题后告诉 Agent 确认。

步骤三：生成视频片段并查看效果

脚本确认后，Agent 会按照分镜逐段生成视频。建议先看单个片段效果，再决定是否继续生成和合成全片。

确认脚本，Agent 开始逐段生成。
告诉 Agent 确认后，它会按照分镜顺序依次生成视频片段，每做完一段就会在对话区发给你，不用等全部完成才能看。
先看前几段，检查效果。
拿到前几段后认真看一遍：
- 数字人的口型和语速是否自然
- 花字的位置、字体、颜色是否符合预期
- 背景切换的时机是否和内容节奏配合
有问题当场改，没问题继续生成。
如果某一段感觉不对，直接在对话框提出修改意见，Agent 会重新生成指定片段，不影响其余片段。
整体没问题的话，让 Agent 继续把剩余片段全部生成完。
让 Agent 合成成片。
全部片段生成完成后，告诉 Agent 合成全片，它会把所有片段拼成一条完整的成片，你可以从头到尾播放一遍，确认整体节奏和效果。

合成全片

查看全片

步骤四：精细调整视频细节

脚本确认后，Agent 会按照分镜逐段生成视频。建议先看单个片段效果，再决定是否继续生成和合成全片。

只想换声音，保留画面

如果视频画面已经比较满意，但数字人的口播听起来不够自然，比如语气太平、节奏太快、音色不符合内容气质，或者某一句话的停顿不太舒服，就不需要重新生成整个视频。此时可以只替换人声，保留原来的画面效果。

在编辑器的视频轨道上，点击需要修改的片段。
在页面右上方单击音量设置，选择人声背景音分离。
这个功能会把这段视频的人声和背景音剥离开来。
新建 AI 配音替换人声。
在项目文件标签中单击新建 > AI 配音，选择你喜欢的音色，输入这段对应的口播文案，生成新的配音片段，拖拽到对应的轨道位置，替换掉原来的人声，画面本身不动。

只想改画面，保留声音

如果这一段的口播声音已经很自然，但画面效果不够理想，比如花字位置挡住人物、重点词不够醒目、背景氛围不合适，或者画面里的字体样式不符合预期，可以只重新调整画面，保留原来的声音。

在编辑器的视频轨道上，点击需要修改的片段。
在页面右上方单击音量设置，选择音频提取。
这一操作会把音频提取到独立的音频轨道上。这是为了把满意的人声先保留下来，避免重新生成画面时影响原来的声音效果。

再对视频画面部分输入修改意见并重新生成。
例如可以说明：

保留当前口播节奏，只调整画面。请把“暴涨300%”放大，并移动到画面右侧，不要遮挡人物。

这样处理后，声音仍然和原来完全一样，只有画面发生变化。
反复调整直到满意。声音和画面可以分开反复修改，互不影响，调整到满意为止，再进入下一步导出。

步骤五：导出视频

确认内容、声音、画面和节奏都没有问题后，就可以导出最终成片，用于发布或后续剪辑。

点击编辑器右上角的导出 > 导出为 MP4 按钮，等待导出完成即可。

遇到问题怎么办

数字人形象图片哪里来？

和扣子 Agent 对话生成：如果你还没有现成的数字人形象，可以先和扣子 Agent 对话，描述想要的人物风格，例如年龄、气质、穿搭、职业感和适合的口播场景，让扣子 Agent 帮你生成数字人形象图片。
例如：
```
帮我制作一个数字人形象照片，要 3D 卡通风格，深棕色短发、戴圆框眼睛的女生形象，年龄 25 左右，温和睿智的气质，身穿白色连帽卫衣。
```
创建角色资产时由 AI 生成：在创建角色资产时，也可以直接使用 AI 生成功能，根据你填写的人物设定和形象描述生成主视图或三视图图片，再保存为可复用的数字人资产。

不同镜头里数字人的语速不一致

数字人口播里，不同镜头的字数和语速要尽量均匀。如果某个镜头文字太多，语速就会很赶；另一个太少，就会显得拖沓，听起来整条视频节奏忽快忽慢。

在让 Agent 动手写脚本之前，记得强调：

镜头尽可能少，要保证每个镜头的字数量和语速合适

Agent 会根据你的要求，将脚本拆成多个镜头，并标明每个镜头的时长、画面设计和口播内容。你可以先浏览一遍，确认整体结构是否符合预期，再让 Agent 制作脚本。