DreamFace 用已有音频或歌曲做对口型——让数字人跟着原音开口

什么时候用音频输入 vs 脚本输入

DreamFace 的数字人生成器支持三种输入源：脚本文本、上传音频/视频、AI 自动生成。选择哪一种取决于你的目标：

其中上传音频/视频做对口型是 DreamFace 使用频率非常高的一条场景线——它让你不需要在 DreamFace 里重新录入声音，直接复用已有的音频素材。

DreamFace 支持常见的音频和视频格式：

实际上 DreamFace 只需要视频里的音轨——上传视频后它会自动提取音轨用于对口型。

建议使用清晰、低背景噪声的音频。质量好的音频会让对口型效果更自然。来源可以是：

上传音频后，你需要决定数字人用什么声音说话/唱歌：

选项	说明	适合场景
用原音	数字人跟着上传的音频对口型，输出时保留原音轨	已经录好自己的声音，想让形象动起来
用 AI 声音（替换）	保留节奏和停顿，但把声音换成 DreamFace 声音库里的某个声线	想让数字人说话但不想用原音
用你的克隆声线	用你的克隆声音替换原音	你已经做过语音克隆，想保持声音一致性

点击生成，DreamFace 会完成音频分析 → 口型同步 → 表情匹配 → 视频渲染的完整流程。

DreamFace 的对口型引擎在业内口碑不错，但效果还是受一些因素影响：

DreamFace 的宠物对口型（让猫狗开口说话/唱歌）也是走这条入口线，但有独立的处理引擎。操作上：

大概率是音频质量问题——试试降噪或换一段清晰的音频。另外确认上传的音频和照片主体确实对应（比如别用一段男性声音去配一张女性照片）。

目前 DreamFace 单个数字人生成任务只支持一段音频。多段音频需要先拼接好再上传，或者分多次生成。

这通常是因为音频情绪波动较大，而照片是中性表情。可以试试选一张表情更生动的照片，或者降低音频的情绪强度。