HeyGen Avatar IV：用你自己的音频让肖像开口说话

一张静态肖像，一段语音录音，稍等片刻渲染完成，这张脸就开口说话了。这就是 HeyGen Avatar IV 的全部承诺，而且是个不错的承诺：游戏预告片里的角色、课程的讲解人、为你的展览做介绍的画中人物。它还有一个用于指导的文本框，这是大多数说话头像模型所没有的。大多数令人失望的结果都出自同样几个错误，所以这篇指南就围绕它们展开。

错误 1：肖像遮住了嘴

模型要根据一张图片让嘴唇、下巴和眼睛动起来。给它一张大致看向镜头的脸，嘴巴完全露出，光线均匀，前面没有任何遮挡：手不要托着下巴，没有麦克风，没有头发挡住嘴唇。头肩构图比全身照效果更好，全身照里脸只有几个像素宽。生成的肖像也可以用；如果你的肖像看起来像蜡像，先用塑料皮肤指南里的技巧修好皮肤，因为动画不会帮你修。

错误 2：指导留空

提示词是可选的，正因如此大家才会跳过它。没有它，脸会照着音频暗示的去做。有了它，你可以要求一种情绪、一个习惯动作、一个手势。像写给演员的备注那样写：这个人感觉如何，看向哪里，头部怎么动，以及不应该做什么。

错误 3：把表现力开到最大

表现力决定脸和头的动作幅度：低（默认）、中或高。高适合卡通或游戏英雄，用在平静的讲解里就太过了，看起来像这个人坐不住。照片里的真实面孔通常用低或中效果最好；高留给本身风格就比较夸张的角色。

错误 4：强行使用与照片冲突的画面比例

这里的画面比例是可选的。留空时，模型会使用最接近你图片的支持比例，从而保留你选好的构图。只有在发布位置需要时才设置它（16:9、9:16、1:1、5:4 或 4:5），并且在上传前自己把肖像裁成那个形状，这样由你而不是模型来决定裁掉什么。如果原来的背景不合适，高级设置里还可以添加背景图片。

错误 5：使用你无权使用的面孔

一段真实人物说出他们从未说过的话的视频可能会伤害他们，而且服务条款禁止对真实、可识别的人制作深度伪造内容。请使用你自己的脸、你生成的虚构角色，或者你明确获得许可的肖像。如果只想让照片动起来而不需要说话，把照片变成视频是更温和的方式。

什么时候该选别的

Avatar IV 关注的是脸和声音。它不会让人物在场景中走动，也不会给他们换衣服，最高只到 1080p。如果你根本没有肖像，又需要一个身处真实房间的主持人，Avatar V 使用现成的数字人，最高 4K；Avatar V 指南有详细说明。其他所有说话数字人和对口型模型都在模型页面上。