> ## Documentation Index
> Fetch the complete documentation index at: https://docs.coze.cn/llms.txt
> Use this file to discover all available pages before exploring further.

数字人口播适合用来制作热点解读、知识科普、产品介绍、活动宣传等内容。相比普通图文或纯剪辑视频，数字人口播可以用一个稳定的数字人形象来承载内容，让账号的视频风格更统一，也更适合持续更新。

在制作这类视频时，建议提前绑定一个自己常用的数字人形象。这样每次完成新项目时，都可以复用同一个数字人资产，保证人物形象、气质和表达风格保持一致。比如你可以准备一个适合讲解行业趋势的知性型数字人，也可以准备一个更活泼、适合做种草内容的数字人。

本教程将以“60 秒情绪经济热点分析”这个案例为例，带你用扣子完成一条数字人口播视频。从数字人形象准备、选题调研、脚本生成，到画面设计、视频合成和细节调整，完整走一遍制作流程。

## 适合什么场景 {#huzsqWQKB}

本教程适合想用扣子快速制作**数字人口播视频**的用户，尤其适用于以下场景：

* 电商商品介绍
* 热点事件解读
* 行业趋势分析
* 知识科普视频

## 看完能做什么 {#hD33Gg57M}

看完本教程后，你可以用扣子完成一条数字人口播视频的完整制作，包括：

* 创建并复用数字人形象
* 让扣子帮你调研选题、生成脚本
* 为口播视频设计花字和背景
* 对音频和画面做局部调整
* 合成并导出数字人口播视频

## 准备工作 {#hgGZTgmHr}


1. 注册并登录扣子账号。
2. 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。
3. 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。
4. 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 {#hfFt3fGyj}

### 步骤一：把数字人形象存进资产库 {#hPjHEpViL}

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。

1. 创建视频项目。
2. 登录扣子。
3. 在左侧对话区单击加号（+）图标，选择**新建视频项目**。
   ![Image=367x213](https://p9-arcosite.byteimg.com/tos-cn-i-goo7wpa0wc/4989d625f7cd46929bf5a686de5eb72e~tplv-goo7wpa0wc-raw.image)
4. 点击 **加号**，选择 **从个人资产导入**。
5. 进入个人资产页面后，选择角色，并点击 **加号** 新建资产。
6. 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”。
   ::::cols
   @col 50
   ![Image=300x252](https://p9-arcosite.byteimg.com/tos-cn-i-goo7wpa0wc/7611a83edbdc4dabb228f4d01fc79359~tplv-goo7wpa0wc-raw.image)
   
   > 从个人资产导入
   
   @col 50
   ![Image=2876x1700](https://p9-arcosite.byteimg.com/tos-cn-i-goo7wpa0wc/a430fba3995a400da0a3f9631c180a5c~tplv-goo7wpa0wc-raw.image)
   
   > 新建角色“小淘”
   ::::
6. 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 {#hjKKP1upS}

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。

1. 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：
   ```Plain Text
   @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
   ```
2. 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
3. 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。
   ```Plain Text
   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
   ```
   ::::cols
   @col 50
   ![Image=2904x1702](https://p9-arcosite.byteimg.com/tos-cn-i-goo7wpa0wc/0732655fe9884d52a4b90d4d9f03ff56~tplv-goo7wpa0wc-raw.image)
   
   > Agent 的调研
   
   @col 50
   ![Image=2910x1704](https://p9-arcosite.byteimg.com/tos-cn-i-goo7wpa0wc/fac82cedd4684bc5befd81db070fbb0a~tplv-goo7wpa0wc-raw.image)
   
   > 和 Agent 沟通脚本思路
   ::::
4. （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：
   ```Plain Text
   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。
   ![Image=415x244](https://p9-arcosite.byteimg.com/tos-cn-i-goo7wpa0wc/62e2dd2bb5d84a41bfd4fad75f62db76~tplv-goo7wpa0wc-raw.image)
5. （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：
   ```Plain Text
   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。
   ![Image=437x255](https://p9-arcosite.byteimg.com/tos-cn-i-goo7wpa0wc/8998903d90184173b44b74c8ce217444~tplv-goo7wpa0wc-raw.image)
6. 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。
   ![Image=432x253](https://p9-arcosite.byteimg.com/tos-cn-i-goo7wpa0wc/32ef873f78234c02a00cb317612515bd~tplv-goo7wpa0wc-raw.image)   


### 步骤三：生成视频片段并查看效果 {#hpEzGoZ7r}

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。

1. 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。
   ![Image=428x309](https://p9-arcosite.byteimg.com/tos-cn-i-goo7wpa0wc/7cc4c688eead4c67ad5217144338ff4c~tplv-goo7wpa0wc-raw.image)
2. 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
3. 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。
4. 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。
   ::::cols
   @col 50
   ![Image=350x253](https://p9-arcosite.byteimg.com/tos-cn-i-goo7wpa0wc/81b1ecb9f8b4456fa2a033cc7b5935ba~tplv-goo7wpa0wc-raw.image)
   
   > 合成全片
   
   @col 50
   ![Image=2934x1712](https://p9-arcosite.byteimg.com/tos-cn-i-goo7wpa0wc/b8390d162d0c440a9eafd4474e19db4b~tplv-goo7wpa0wc-raw.image)
   
   > 查看全片
   ::::   


### 步骤四：精细调整视频细节 {#hNcESsRHS}

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 {#hwugoXJUC}

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。

1. 在编辑器的视频轨道上，点击需要修改的片段。
2. 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。
   ![Image=327x249](https://p9-arcosite.byteimg.com/tos-cn-i-goo7wpa0wc/66dc493bc16c45fb9fd633461874444a~tplv-goo7wpa0wc-raw.image)
3. 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。
   ::::cols
   @col 50
   ![Image=330x191](https://p9-arcosite.byteimg.com/tos-cn-i-goo7wpa0wc/b420f65b871a46b3bd655f0ce528df45~tplv-goo7wpa0wc-raw.image)
   
   @col 50
   ![Image=193x176](https://p9-arcosite.byteimg.com/tos-cn-i-goo7wpa0wc/7239f9fb53d64e1db6775a4db5da57e3~tplv-goo7wpa0wc-raw.image)
   ::::   


#### 只想改画面，保留声音 {#hiB76gK6D}

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。

1. 在编辑器的视频轨道上，点击需要修改的片段。
2. 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。
   ![Image=329x247](https://p9-arcosite.byteimg.com/tos-cn-i-goo7wpa0wc/8c75e04957644c5a97febfb497267a6c~tplv-goo7wpa0wc-raw.image)
3. 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：
   ```Plain Text
   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。
   ```
   ![Image=309x231](https://p9-arcosite.byteimg.com/tos-cn-i-goo7wpa0wc/8d2492c77b6d40d28491fc35dccbdc7e~tplv-goo7wpa0wc-raw.image)
4. 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 {#hTIPkTvbu}

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。

![Image=309x231](https://p9-arcosite.byteimg.com/tos-cn-i-goo7wpa0wc/4dfee8d2b5714c9db92e45e9f5345f12~tplv-goo7wpa0wc-raw.image)

## 遇到问题怎么办 {#hPGvJMy7p}

### 数字人形象图片哪里来？ {#hkF9Wk6Iw}

* **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：
   ```Plain Text
   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。
   ```
   ![Image=380x248](https://p9-arcosite.byteimg.com/tos-cn-i-goo7wpa0wc/8ebf8499c8214009aa9a5eab9c6d91e1~tplv-goo7wpa0wc-topic.png)
* **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。
   ![Image=385x228](https://p9-arcosite.byteimg.com/tos-cn-i-goo7wpa0wc/ab54727aeeb7496f925011e8cf9067c4~tplv-goo7wpa0wc-topic.png)   


### 不同镜头里数字人的语速不一致 {#hm6vZP6G5}

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：

```Plain Text
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。