可灵AI的数字人功能，其核心原理是利用静态人像图像配合文字或音频，自动生成一段口型同步的1080p短视频。整个过程无需任何视频拍摄或剪辑经验，只需准备一张清晰的人像照片，再加上一段文案或录音，短短几分钟内就能制作出符合短视频平台播放标准的“说话视频”。

确认是否满足基础条件

该功能目前仅在电脑端v3.0.2及以上版本中开放，手机App和网页版暂不支持。若您使用的是旧版客户端，必须卸载后重新安装最新版本，否则点击“人物驱动”按钮后，界面会直接报错或显示空白区域。

整个功能依赖对人脸结构的完整识别，上传的照片必须满足以下硬性要求：正面或微侧脸（左右偏转角度不超过30度）、双眼清晰可见、无口罩或墨镜等大面积遮挡、背景干净不杂乱。如果侧脸角度过大或人脸被局部遮挡，系统不会给出任何错误提示，只会生成一段静止画面——口型驱动将直接失败。

准备驱动源：文本还是音频？

方法一：使用文字生成语音并驱动口型。这种方式适合口播稿、产品介绍等场景。在「输入文本」框中粘贴已校对好的口语化文案，例如：“大家好，这是我们新上线的夏日限定芒果冰，采用当季台农芒现打，奶香浓郁不腻口。”需要注意的是，文案中所有括号注释、英文缩写以及顿号分隔的并列短语最好都删除，AI对这些标点的理解不够稳定，容易导致口型卡顿。

方法二：使用真人录音驱动口型。这种方式适合复刻声音、方言播报等场景。上传的音频文件必须为WAV或MP3格式，时长严格控制在10到60秒之间；音频开头必须保留至少0.3秒的静音段，否则系统会截断首字发音；采样率建议设置为44.1kHz，低于32kHz会导致唇形出现明显抖动。

执行人物驱动操作

第一步：进入「创建作品」页面，点击右上角齿轮图标，开启「高级模式」。

第二步：在编辑区左侧工具栏找到并点击「人物驱动」按钮，界面会自动跳转至配置面板。

第三步：上传照片。拖入一张1024×1024像素的PNG或JPG格式人像图，系统会在3秒内完成面部关键点定位，并显示绿色锚点框。

第四步：切换到对应标签页（「输入文本」或「上传音频」），填入或导入驱动源。

第五步：点击「生成视频」，等待约70到120秒，预览画布会逐帧渲染出带口型动作的视频流。