功能介绍
形象克隆
极速数字人
功能说明 | 效果演示 | 效果演示 |
|---|---|---|
| 1:1克隆动作与形象，适合初次使用的客户定制体验，支持上传视频进行形象复刻，需提供： 1. 授权视频 • 文件大小：小于100Mb • 时长：小于2分钟 • 视频编码：h264 • 格式：mp4、mov 2. 授权文本：品牌词，用于终端用户向您进行形象授权（如：闪剪）； 3. 训练视频 • 分辨率：最大支持2k • 文件大小：小于等于100Mb • 时长：10～30秒 • 帧率：20～30fps（推荐：25） • 视频编码：h264 • 格式：mp4、mov |
专业数字人
功能说明 | 效果演示 | 效果演示 |
|---|---|---|
| 一段30-90S的训练视频，一般在30分钟-1小时克隆完成，1:1克隆动作与形象，能够 高度还原动作与形象，并具备更丰富的表情与动作表现，适合对质量与细节要求更高的专业场景；支持上传视频进行形象复刻，高质量更细腻需提供： 1. 授权视频 • 文件大小：小于100Mb • 时长：小于2分钟 • 视频编码：h264 • 格式：mp4、mov 2. 授权文本：品牌词，用于终端用户向您进行形象授权（如：闪剪）； 3. 训练视频 • 分辨率：最大支持2k • 文件大小：小于等于1G • 时长：30~120秒 • 帧率：20～30fps（推荐：25） • 视频编码：h264 • 格式：mp4、mov |
声音克隆
模型 | 功能说明 | 输入要求 |
|---|---|---|
| V1 V2 V3 | V1:声音还原度高，声音质感良好，对原音频包容度高； V2：音色更清晰，表现力更强，情感丰富度显著提升； V3：音色更还原逼真，长文本、口语化语气与情感演绎上表现更佳，强化口音表现效果；• 支持语种：中文、英文、日语、西班牙语、印尼语、葡萄牙语 | 支持上传音频及进行音色复刻，需提供： 1. 训练音频 • 格式：mp3、wav（推荐） • 时长：5秒～120秒 • 文件大小：小于等于20Mb |
| S1 | S1：具备自然流畅的韵律与稳定性，音色还原度高，音质清晰细腻，覆盖 40+ 主流语种;• 支持语种：中文、粤语、英语、西班牙语、法语、俄语、德语、葡萄牙语、阿拉伯语、意大利语、日语、韩语、印尼语、越南语、土耳其语、荷兰语、乌克兰语、泰语、波兰语、罗马尼亚语、希腊语、捷克语、芬兰语、印地语、保加利亚语、丹麦语、希伯来语、马来语、波斯语、斯洛伐克语、瑞典语、克罗地亚语、菲律宾语、匈牙利语、挪威语、斯洛文尼亚语、加泰罗尼亚语、尼诺斯克语、泰米尔语、阿非利卡语; | 支持上传音频及进行音色复刻，需提供： 1. 训练音频 • 格式：mp3、wav（推荐） • 时长：5秒～120秒 • 文件大小：小于等于20Mb |
视频合成
裸数字人视频
功能描述 | 输入要求 | 输出格式 | 效果演示 |
|---|---|---|---|
| 输出纯数字人口播视频，最终成品不会进行视频包装； 适合专业剪辑大神，用于视频二次创作； | 支持生成无包装的裸数字人视频，需提供： 1. 数字人id：形象克隆定制的数字人id； 根据不同输入方式，需额外提供如下素材； 方式一：基于文本内容+定制声音生成视频 1. 文本内容：字符数要求（3 ~ 3,600字符）； 2. 声音id：声音克隆定制的声音id； 方式二：基于音频文件生成视频 1. 音频文件 • 时长：0.5秒 ~ 10分钟 • 格式：mp3、wav | • 分辨率：1080p • 视频比例：原视频比例 • 码率：6M |
智能剪辑
数字人口播
功能描述 | 输入要求 | 输出格式 | 效果演示 |
|---|---|---|---|
| 无需真人出镜，选择数字人形象，结合文案、AI 配音与素材，搭配模板风格即可一键生成视频。基于闪剪数字人完成全流程智能包装。 满足多场景视频生产需求。 | 支持生成数字人口播智能剪辑视频，需提供： 1. 数字人id：形象克隆定制的数字人id； 2. 视频风格id：视频风格对应id； 3. 背景音乐-音频文件（可选） • 时长：小于10分钟 • 格式：mp3、wav • 文件大小：小于50Mb 4. 素材（可选） • 总量限制：单张图片计算为 2秒，所有素材总时长不能超过5分钟; • 图片 - 格式：支持jpg、png、webp静态图 - 单边分辨率小于2000px • 视频 - 格式：mp4、mov - 视频编码：h264 - 帧率：20～30fps，推荐 25 - 时长：小于60秒 - 视频大小：单个视频小于100Mb - 分辨率：单边小于2000px 根据不同输入方式，需额外提供如下素材； 方式一：基于文本内容+定制声音生成视频 1. 文本内容：字符数要求（3 ~ 3,600字符）； 2. 声音id：声音克隆定制的声音id； 方式二：基于音频文件生成视频 1. 音频文件 • 时长：0.5秒 ~ 10分钟 • 格式：mp3、wav | • 分辨率：1080p • 视频比例：统一为9:16（与原视频比例无关） • 码率：6M |
真人口播
功能描述 | 输入要求 | 输出格式 | 效果演示 |
|---|---|---|---|
| 上传真人口播视频及素材，AI 自动识别去除口头禅、停顿及无声片段， 配合模板完成包装，输出更具网络感的成品口播视频 | 支持生成真人口播智能剪辑视频，需提供： 1. 真人口播视频 • 格式：mp4、mov • 视频编码：h264 • 帧率：20～30fps，推荐 25 • 时长：小于10分钟 • 视频大小：小于500Mb • 分辨率：单边小于2000px 2. 视频风格id：视频风格对应id； 3. 背景音乐-音频文件（可选） • 时长：小于10分钟 • 格式：mp3、wav • 文件大小：小于50Mb 4. 素材（可选） • 总量限制：单张图片计算为 2秒，所有素材总时长不能超过5分钟; • 图片 - 格式：支持jpg、png、webp静态图 - 单边分辨率小于2000px • 视频 - 格式：mp4、mov - 视频编码：h264 - 帧率：20～30fps，推荐 25 - 时长：小于60秒 - 视频大小：单个视频小于100Mb - 分辨率：单边小于2000px 根据不同输入方式，需额外提供如下素材； 方式一：基于文本内容+定制声音生成视频 1. 文本内容：字符数要求（3 ~ 3,600字符）； 2. 声音id：声音克隆定制的声音id； 方式二：基于音频文件生成视频 1. 音频文件 • 时长：0.5秒 ~ 10分钟 • 格式：mp3、wav | • 分辨率：1080p • 视频比例：统一为9:16（与原视频比例无关） • 码率：6M | 原视频 处理后 |
修改于 2025-09-05 08:46:14