数字分身这项技术近两年持续升温，但在真正开始制作时，很多用户最先遇到的问题就是：如何让 AI 生成一个真正“像自己”的虚拟形象？百度一镜提供的创建方式，核心其实有三种——真人视频克隆、单张照片生成、纯文本描述生成，分别对应不同的形象还原度、生成效率和应用场景。具体选择哪一种，主要取决于你目前具备的素材类型、对相似度的要求，以及是否需要口型同步等功能。

不要以为随便套用一个模板就能完成数字人制作——如果你想打造一个真正能代表个人形象的 AI 数字分身，通常还是要从视频或照片素材入手，让系统更精准识别你的外貌特征、神态表现，甚至是说话时的节奏感。下面就分步骤说明，哪种方式更适合你，可以按自身需求选择。

用真人视频一键克隆数字分身

这是人物还原度最高的一种方案，尤其适合用于知识分享、个人 IP 打造、企业宣传等长期内容运营场景。简单来说，这属于更专业、更稳定的数字人制作方式。但前提也很明确：必须提供本人出镜的清晰视频，而且视频拍摄质量会直接影响最终数字分身效果——不要指望随手拍一段模糊素材就能获得高质量结果。

第一步：登录百度一镜后台，找到「形象制作」，点击「真人一键克隆」，进入克隆类型选择页面。

第二步：在「精品克隆」和「极速克隆」之间进行选择。这里需要重点区分：
• 【精品克隆】要求视频中的人物必须张嘴说话，且至少连续开口10秒以上，训练完成后口型与语音可以高度匹配，整体表现更自然，适合对数字人效果要求较高的场景，但需要等待约4小时；
• 【极速克隆】操作相对简单，只需要闭口站立或走动的视频，时长30秒以上即可，30分钟左右就能生成结果，但口型主要依赖大模型智能匹配，无法做到逐字同步，更适合对口播精度要求不高的应用场景。

第三步：上传视频素材，填写分身名称，勾选「自动扣图」（该功能仅适用于绿幕拍摄，如果是实景背景，务必不要勾选，否则人物边缘容易出现撕裂感）。接着选择声音来源——既可以直接使用视频原声，也可以选择平台预设音色。最后阅读并同意协议，点击「开始克隆」。

第四步：系统会自动跳转到「我的人像」页面，并实时显示训练进度。等状态更新为「已就绪」后，就可以继续编辑数字分身细节、绑定声音方案、配置直播脚本等内容。

用单张照片秒级生成2D数字分身

如果你没有时间拍摄视频，只是想快速生成一个基础版数字人用于播报展示或 AI 名片，例如保险顾问、课程讲师、在线客服等职业场景，那么这种方式会更省时省力。不过，上传照片也有明确要求：如果图片模糊、人物侧脸、佩戴口罩或遮挡严重，通常审核都无法通过。

操作方法也比较直接：进入「形象制作」，点击「照片数字分身克隆」，上传一张正面、高清、无遮挡、光线均匀的免冠证件照（建议选择白底或浅灰底），填写人像名称，勾选「自动扣图」，然后点击「开始克隆」。

克隆完成后，可以在「我的人像」中找到该数字分身，点击「编辑」后可对发型、妆容、领口高度等基础形象参数进行微调，但不要期待它能够修改五官结构或明显调整表情风格。原因很简单：单张照片只能提供静态视觉信息，AI 无法凭空补全照片中未体现的细节。

还需要注意的是：通过照片生成的 2D 数字分身通常不支持口型驱动，语音播报主要依赖 TTS 文本转语音合成，配合面部轻微动态变化，整体表现力相对有限，因此并不适合情绪表达要求较强或互动感较高的使用场景。

用文字描述生成3D超写实数字人

如果你手头既没有照片，也不打算使用本人形象，而是想创建一个理想化、统一风格的虚拟 IP 角色，比如文旅数字大使、品牌吉祥物、虚拟主播等，那么文本生成 3D 数字人的方式会更加灵活。目前需要注意的是，这一功能暂时仅开放女性角色建模，男性角色暂未支持。

具体操作流程如下：先进入「3D数字分身生成」模块，在文本输入框中填写尽可能详细的人物描述。例如：“28岁亚洲女性，齐肩黑发带自然弧度，鹅蛋脸，杏仁眼，淡妆，穿浅蓝色丝绸衬衫，佩戴细金项链，微笑但不露齿，站姿松弛自信”。描述越完整、越具体，最终生成的 3D 形象就越接近预期。

点击「生成形象」后，系统通常会在5到10分钟内输出初版 3D 模型预览。随后你还可以在右侧对话框继续输入补充指令，例如“把衬衫换成V领剪裁”“增加一副圆框眼镜”“调整眼神更专注”等——每次修改后系统都会重新渲染。确认满意后，点击右上角「开始训练」，约30分钟后即可完成模型固化，生成可驱动、可用于直播和内容输出的 3D 数字分身。

这里还有一个非常关键的细节：核心外貌特征必须尽量在第一次描述时写清楚，因为进入后续训练流程后，脸型、性别、年龄区间等底层设定通常无法再修改。因此，在撰写文本提示词时不要过于笼统，最好先明确角色定位，再进行详细描述。