AI 人物播客视频
把一张人物照片变成单人播客片段。输入短文案或上传 1–10 秒语音，尝试桌前、麦克风与室内灯光的主持场景。当前为测试版。
人物照片
真实生成示例 · 点击带声音播放
使用默认人物生成的真实测试结果。示例音频为英语，切换界面语言不会翻译音频。请检查字幕、口型与人物一致性。
让一句节目预告，有一个出镜的主持人
新一期内容已经准备好，却缺少一小段能放在预告里的主持画面时，可以从一张人物照片开始，先表达节目最值得听的那个问题。
围绕一位主持人组织画面
AI 人物播客视频尝试把照片中的成年人放入单人播客场景，加入桌前构图、室内灯光和麦克风。画面以简短讲话为主，不需要照片原本就在录音室拍摄。
用一个观点引出后续内容
例如“今天聊聊，为什么我们总把计划排得太满”。这样的开场能为后面的节目建立主题，而完整论证仍由原节目、文章或后续剪辑承担。
先预览主持形式是否合适
如果你还在选择主持人照片或开场语气，可以先用短片判断场景感觉。它生成的是可试听的视觉草稿，不替代完整节目的录制、采访和剪辑。
放到预告里，而不是塞进整期节目
播客视频在这里指几秒钟的单人主持画面。把它安排在明确的位置，会比要求它承载长篇内容更合适。
一期节目的开场引子
为新一期剪辑录一句主题介绍，放在正片片段之前，让观众先知道要听什么。开场只提出一个问题，避免同时念嘉宾名单和全部议程。
栏目页面的欢迎短片
栏目刚建立或主页更新时，用主持人照片配合一句固定欢迎语。观众可以先认识栏目语气，再通过旁边的文字和节目列表继续了解内容。
观点短片的前几秒
把已经写好的文章观点改成一句能说出口的话，作为后续图文或片段的引入。具体案例和数据放到后面的内容中，短片负责建立谈话感。
先写一句主持人真的会说的话
播客的自然感来自表达和停顿，不只是画面里的麦克风。准备文案时，先想象你正在向一个听众介绍这期内容。
从问题或发现开始
“这一期，我们聊聊第一次搬家容易忽略的事”比一串标题更像口头表达。文字模式最多 180 字符，选择 5、8 或 10 秒时应先试读，留出呼吸与收尾。
录音保留单一说话者
使用 1–10 秒、最大 20 MB 的 MP3、WAV 或 FLAC 语音文件。先在外部裁剪工具中选出完整的一句话，避免上传主持人与嘉宾交替说话的片段。
照片提供清晰的人物参考
使用一张 JPG、PNG 或 WebP 成年人照片，脸部光线均匀、嘴部无遮挡。普通人像也可尝试；无需为了使用工具，先在照片里摆放一个麦克风。
用三步试出一段单人播客开场
从默认素材开始可以快速了解效果，准备好自己的主持人照片和内容后再替换。
确认主持人照片
保留默认人物或上传单张人像。检查人物是否清晰、是否只有一位主要主体，避免用合照让出镜对象变得含糊。
选择文字或语音
输入短文案并选时长，或上传录音。文字模式使用生成语音；录音模式让你已有的停顿、重音和讲话节奏成为声音来源。
生成后一起检查声画
确认报价、登录并生成。试听内容，同时观察面部、手部和麦克风位置，选出适合的结果后下载，再放入你的预告或剪辑。
麦克风和人脸，都要看清楚
当前测试版可能让麦克风遮挡嘴部，或让背景出现预期外的变化。除了声音是否正确，也要判断这幅主持场景能否用于自己的内容。
核对画面是否服务讲话
观察麦克风有没有挡住嘴巴、人物是否稳定、手势是否突兀。场景由模型生成，不能保证精确还原某间录音室或指定道具摆放。
确认这是一段单人短片
这个入口不支持双人对谈、整期播客制作或从长录音自动挑选高光。需要一整期内容时，应先完成原始节目，再选一句适合的开场来尝试。
按时长查看积分
单人输出使用 720p、24 fps 设置。当前 5 秒或 8 秒档为 3 积分，10 秒档为 5 积分；录音按最小可容纳档位选择，需要登录且积分充足，以生成前报价为准。
想保留原场景时，可以换一种入口
人物播客会主动尝试主持场景；如果你已经有喜欢的背景，或内容本身不是讲话，其他入口可能更直接。
普通照片里的自然讲话
AI 照片口播围绕原照片环境生成说话动作，适合个人介绍和课程欢迎语，不需要新增播客桌面与麦克风。
把说唱录音变成表演
AI Rap 视频生成器针对单人说唱设计，使用已有含人声的录音。如果重点是节奏和表演，选择它比把 Rap 当成播客文案更贴切。
常见问题
了解输入如何影响结果，以及下载前需要检查什么。
