HeyGen Avatar V：用一段录音生成主持人视频

你有一段配音，却没有人站到镜头前。HeyGen Avatar V 正好补上这个空缺：你从它现成的主持人里选一位，上传一段语音录音，它就返回这位主持人说出你这些话的视频，口型同步，最高 4K。这里没有提示词输入框，也不需要上传人脸。两项输入，几个设置，整件事的关键就在于把它们弄对。

第 1 步：按名字、姿势和角度选择主持人

数字人列表有数百个条目，它们的名字读起来就像一份分镜表：先是名字，然后是坐着还是站着，接着是场景（办公室、沙发、厨房、瑜伽垫、野餐），最后是机位角度，正面或侧面。所以“Annie, office, sitting, front”和“Annie, office, sitting, side”是同一位主持人，在同一个房间，用两台机位拍摄。

这样就能低成本地做出双机位剪辑。把同一段录音渲染两次，一次用这位主持人的正面版本，一次用侧面版本，然后在句子的停顿处来回切换。看起来就像拍摄出来的访谈，而不是一个固定不动的镜头。

第 2 步：准备音频

音频驱动一切：嘴型、停顿、头部的节奏。在安静房间里干净的录音，胜过在有回声的厨房里念得完美的稿子。如果你不想录自己的声音，可以用模型页面上的文字转语音模型生成一段，再把文件放进来。稿子要为耳朵而写：句子短，在需要换幻灯片的地方停顿，数字按你希望被念出来的方式写。

第 3 步：按播放位置选择画幅

画面比例有 16:9（默认）、9:16、1:1、5:4 和 4:5。按发布位置来定，而不是按喜好：网站或演示文稿用 16:9，竖屏短视频用 9:16，信息流用 4:5 或 1:1。画面比例指南对这个选择讲得更详细。

分辨率有 720p、1080p（默认）和 4K。在手机或浏览器里观看的内容，1080p 几乎都合适。4K 留给大屏幕，或者你之后还要裁剪的素材。

第 4 步（可选）：更换背景

在高级设置里可以添加背景图片。每个数字人本来就自带房间，所以只有当房间不符合你的品牌时才需要它：你的店铺、你的办公室、教程背后的纯色背景。选一张机位高度相同、稍带虚化的图片，否则主持人看起来会像是贴上去的。

选 Avatar V 还是它的邻居？

• Avatar V：现成的主持人，你的音频，最高 4K。当你需要屏幕上有个人，又不介意那不是你本人时最合适。
• Avatar IV：用你自己的肖像照片代替现成的主持人，还可以用文字指导表情。Avatar IV 指南有详细介绍。
• Avatar V Digital Twin：可以用文字或音频驱动，还能去除背景，生成透明背景的视频。

它做不到什么

这里不能用你自己的脸，也不能指导表演：没有提示词，所以手势和表情完全来自音频和所选的数字人。如果主持人必须在某个特定的词上显得惊讶，就带着那种情绪录下这个词，或者选一个有指导输入框的模型。想了解让人物在屏幕上动起来的其他方式，请看如何选择 AI 视频模型。