最近尝试用豆包和即梦制作了一段双人对话视频，口型与字幕基本同步，整体观感还算逼真。不过坦白说，细节方面仍有不少优化空间。

双人对话视频究竟该如何制作？核心在于如何利用AI实现“多人对口型”——这正是当前AI短剧创作中公认的技术难点。

近期，可灵AI更新了多人对口型功能，支持用户创建包含多个角色的视频，制作灵活性与表现力显著提升。不过需要说明的是：目前该功能暂不支持多段配音与多角色音轨的自动合并生成，仍然需要分角色单独生成，最后在后期编辑环节手动拼合处理。

可灵我有段时间没用了，正好趁这次新功能上线，来实测一下实际效果。

需要用到的工具包括：豆包、即梦、可灵以及剪映PC专业版。

1、豆包——生成多人照片

第一步，需要先准备一张包含多人的图片。为了降低操作难度，这里只生成两个人的图像。当然，你也可以直接使用之前文章中的双人对话图片，放到可灵中进行测试。

最简便的方式是直接告诉豆包生成一张两人对话的图片。不过我采用了另一种方法：在豆包中将两张单人图片合成为一张。具体操作为：先上传两张图片，然后根据需求编写提示词，下面演示详细步骤。

2、即梦——生成视频片段

接下来，用上面这张图分别生成两个5秒的视频片段。豆包和即梦均可完成此操作，我这次选用的是即梦视频3.0。

关键在于：一个片段中，女性微笑说话，男性微笑保持沉默；另一个片段则相反，男性微笑说话，女性微笑不发声。这样分角色拍摄，便于后续进行对口型处理。

3、豆包——生成对口型文案

打开豆包，上传上面那张双人图片，输入提示词：根据这张图片，设计与之匹配的对话内容。以“男、女、对话方式”输出。

如果对生成结果不满意，可以继续优化。另外，建议让豆包生成简洁的文案——否则制作过程既耗时又耗资源。最后像之前文章里那样，把文案整理出来备用。

4、可灵——生成多人对口型视频

打开可灵，点击“对口型”功能。

先上传男性说话、女性不说话的片段。注意：人物1要选择男性，与视频片段对应，然后输入文本、选择音色。时长不能超过5秒——这一点最令人头疼。如果要制作几分钟的视频，非常考验耐心。

同理，再上传女性说话的片段，输入文案，选择人物2和对应的音色。就这样一个片段一个片段地生成。时长不足5秒的，后续在剪映中再调整剪辑。

5、剪映剪辑

打开剪映，导入所有视频片段，添加贴纸等后期装饰。通过剪辑将各个片段拼接起来，最终就能得到一个完整的双人对话视频。