想用一张照片、三句语音，十分钟内生成一个能开口说话、带口型动作、会实时回应的专属数字人？听起来像是科幻电影里的情节，但百度文心一言APP最新版真的做到了。注意，这里说的不是文小言——它只提供预设角色供聊天互动，不开放头像上传、声音克隆、性格定制这些核心功能。真正能免费制作你本人数字分身的，是百度文心一言APP最新版（2026年6月后发布的正式版）。

下面直接说怎么操作，步骤拆得清清楚楚，跟着走就行。

确认工具与前提条件

打开手机应用商店，搜索“文心一言”，更新到【最新正式版（2026年6月后发布）】。旧版本没有“数字分身”入口，也无法调用语音克隆模型。iOS和安卓用户均可使用，无需付费或开通会员。

还得准备一部前置摄像头清晰的手机，环境光线要均匀，面部不能有遮挡。口罩、墨镜统统摘掉，别侧脸也别低头——AI需要正脸、双眼睁开、嘴唇自然闭合的清晰照片。这一点很重要，拍歪了后面建模会出问题。

上传头像并生成形象

这里有两种方式，看你的需求选。

方法一：单张照片直传（最快）

打开文心一言APP → 点击左下角“+” → 选择“创建智能体” → 在“头像”栏点击“上传照片” → 从相册选取一张符合要求的正面免冠照 → 系统自动裁切并生成3D建模形象。整个过程不到一分钟。

方法二：五图合成（更稳定）

同路径进入头像设置页 → 点击“上传5张照片” → 分别上传正脸、左斜45°、右斜45°、仰视、俯视共5张同背景人脸照。AI会根据这些照片重建面部几何结构，抗光照干扰能力更强，后续口型同步也更自然。如果你对效果要求比较高，建议选这个方法。

【注意：不能露出牙齿】——这是官方明确提示的失败高发点。咧嘴笑、咬唇、吐舌都会导致建模失真，生成形象出现嘴角扭曲或下巴错位。所以拍照时保持自然表情，嘴唇轻轻闭合就好。

录制专属声音

第一步：在智能体创建页 → 找到“声音”选项 → 点击“创建我的声音”。
第二步：系统会弹出三句朗读文本，比如“今天天气真好”“我在学习人工智能”“很高兴认识你”。每句间隔2秒，用手机麦克风清晰录制，语速平稳，不拖音不加速。
第三步：提交后等待约90秒，AI完成声纹提取与语音合成，生成的声音会保留你原有的音高、语速和轻微气声特征——听起来就是你自己的声音，不是那种机械的合成音。

这一步无法跳过，也不能用别人的录音代替。如果中途误触取消了，就得重新录制全部三句，已录内容不保留。所以录制时找个安静的环境，一次搞定。

填写人格参数与发布

① 名称：输入你想让数字分身使用的称呼，比如“李明AI”“小明助手”，不可含特殊符号或空格。
② 性格：勾选MBTI四维组合（如INTJ、ESFP）或通用标签（理性、幽默、温柔），选1～3个即可。注意别贪多，填太多反而会降低响应一致性。
③ 可见范围：私密（仅自己可见）、好友可见、公开（平台用户可搜索到）。建议先选私密，测试满意了再改。
④ 补充信息（选填）：性别、年龄、口头禅、兴趣爱好——这些字段会影响AI回复时的措辞倾向。例如填了“爱看科幻电影”，它聊科技话题时会主动引用《三体》案例，细节感拉满。

全部填完 → 点击右上角“发布智能体” → 等待5–8分钟，后台完成形象渲染与语音绑定。这段时间可以去喝杯水，回来就能看到你的数字分身了。

设置为数字分身并启用视频通话

发布成功后，返回APP首页 → 点击右下角“我” → 进入“智能体”列表 → 找到刚发布的那个 → 长按图标 → 弹出菜单中选择“设置为数字分身”。此时图标右上角会出现蓝色小角标，表示激活成功。

进入该智能体聊天页 → 点击左下角电话图标 → 等待3秒加载 → 数字人开始实时驱动口型、眨眼、点头，用你录制的声音朗读回复内容。那种感觉就像在跟另一个自己视频通话，挺有意思的。

整个过程从拍照到上线，熟练的话十分钟就能搞定。免费、无门槛，值得一试。