Pa vo平台支持零代码生成数字人视频——上传一张正面半身照，系统自动完成三维建模，再绑定TTS或真人语音驱动唇形，微调微表情、手势和头部运动，最后一键渲染导出1080P带字幕的视频。整个流程都在一个界面里搞定，不用写代码、不装插件、不切工具。

想用一张真人照片，生成一个能说话、能做动作的数字人？从上传照片到导出带语音和动作的成品视频，所有操作都在同一个界面里完成，全程零代码、零插件、零切换。

上传原图并启用数字人建模

打开Pa vo桌面客户端（v2.3.1及以上），登录后点击左上角「+新建项目」，选择「Agent」模块。在输入框中输入指令：“基于我上传的照片生成数字人，用于短视频口播，要求唇形同步、微表情自然、肢体动作符合语义”。

点击右下角「上传参考图」图标，拖入一张正面清晰、无遮挡、光线均匀的半身照（建议白墙背景、面部占比超60%）。注意：必须是本人正脸，侧脸或戴口罩会导致建模失败。

上传成功后，系统自动调用Agnes-Image-2.1-Flash模型进行人脸拓扑分析，大约8秒后会弹出「数字人基础模型预览」窗口，显示三维网格重建效果。这时候别跳过，直接点击「确认建模」。

绑定语音与驱动参数

进入「语音驱动」设置页，有两条路径可选：

方法一：使用内置TTS语音
点击「选择音色」→滑动列表找到“男声-沉稳播报”或“女声-亲和讲解”，点击右侧「试听」按钮验证语调是否匹配人设；确认后，在下方文本框输入测试文案：“大家好，今天给大家介绍AI创作新方式”，点击「生成语音样本」。

方法二：上传真人录音
点击「导入音频」→选择一段15秒以内、采样率44.1kHz的MP3/WA V文件（需本人朗读、无背景噪音）→系统自动提取音高曲线与重音节奏→生成对应语音驱动权重。这一步比TTS更贴合真实声线，但需要注意：音频若含回声或电流声，会导致唇动错位。

两项设置完成后，点击「绑定语音与数字人」，系统将语音波形映射至面部肌肉控制节点，生成初始驱动参数包。

微调数字人表现力

点击「表现力编辑」面板，按顺序执行以下三步：

第一步：调整微表情强度
拖动「自然度」滑块至0.62——低于0.55会显得僵硬，高于0.7则眨眼频率过高，容易触发眼部畸变。

第二步：设定手势逻辑
在「手势库」中选择“讲解型-单手示意”，勾选「跟随语义触发」；如果文案中间出现“第一”“其次”等序数词，数字人会自动抬手计数。

第三步：校准头部运动幅度
输入提示词：“轻微点头强调，左右摇头否定，俯仰角度不超过12°”，点击「应用到全部镜头」。这一步直接影响后续视频的专业感，如果跳过，数字人全程会呆板地直视镜头。

生成并导出成品视频

返回主界面，点击「合成视频」→选择输出规格：1080P/30fps（默认）、横屏16:9（适配B站/公众号）或竖屏9:16（适配抖音/快手）。

点击「开始渲染」，系统调用Agnes-Video-2.0模型并行处理：语音驱动唇形→微表情叠加→手势骨骼绑定→背景虚化合成→嵌入字幕（自动识别语音生成SRT）。

进度条走完后，页面弹出「下载MP4」按钮，文件包含完整音轨、软字幕、1080P画质，60秒内容大约42MB，点击即保存到默认下载目录。