uuinin 数字人平台

制作换文案视频

上传口播视频（或选已有形象），填新文案，自动克隆声音并对口型。

✅ 素材要求（照着传，成片更稳、少穿模）：
· 单人口播、近景正脸、光线充足、背景简单
· 口播时手不要碰脸 / 挡嘴（手划过嘴最容易“穿模”）
· 脸清晰、别大角度侧脸 / 低头、不戴口罩墨镜、头发别遮脸
· 文案语言尽量与视频原声一致（中文视频配中文文案；跨语言克隆音质会明显下降）
❌ 不适合：跳舞 / 走动 / 多人 / 频繁大幅晃头 / 脸被手机头发遮挡的视频。

形象来源

上传新视频使用已有形象

建议近景正脸、光线充足、口播时手不要碰脸挡嘴。

音色来源

跟视频同源克隆选择已有音色

新口播文案

任务备注（可选）

高级选项

语速 1.0×

同时保存为形象档案

提交结果

提交后可关闭页面，稍后到「我的历史」取成片。

（等待提交…）

新建音色 / 形象

从几分钟口播视频（或干净音频）创建；视频会同时存为形象供功能①复用。

✅ 素材要求：单人、发音清晰、无背景噪音 / 音乐 / 混响；建议 1–3 分钟。
⚠️ 语言：后续文案用哪种语言，就用哪种语言的素材建档（跨语言克隆音质差、易出乱码）。

名称视频或音频文件参考文本（留空自动 whisper 转写）

（等待创建…）

已有音色 / 形象

视频换商品

换商品模式

追踪合成（推荐 · 整段视频 · 同形状）创意重绘（实验 · ≤4秒）

✅ 适用：有人手持商品展示/口播，换成形状接近的新商品（杯↔杯、盒↔盒、瓶↔瓶）。支持整段视频（最长≈1分钟）、保留原分辨率；手指挡住商品也没问题（手会正确压在新商品前面）。
📷 必须上传"新商品图"（白底或透明 PNG 最佳）；此模式下文字描述无效。
❌ 不适用：形状差很多（杯→衣服）、要精确复刻某款 SKU 的 logo 小字、商品剧烈 3D 翻转/严重运动模糊。

1. 上传源视频（手持商品）

2. 在上图商品上点几个点标出它（可点多下更准），然后点「预览选区」看圈得对不对。

3. 新商品图

上传新商品参考图（追踪合成建议白底 / 透明 PNG）。

任务备注（可选）

提交结果

生成约 1-3 分钟，可关页面到「我的历史」取成片。

（等待提交…）

视频换脸（本地 FaceFusion · 遮挡遮罩+面部增强）

上传一段源视频和一张新身份的正脸照片，自动把视频里的人脸换成新身份。

✅ 新身份照片要求（决定“换得像不像”）：
· 单人、正脸、清晰、无遮挡（不戴口罩 / 墨镜、刘海别压眼）；全身 / 半身照都行，只要脸部清楚、不太糊
· 真人正脸照效果最好；AI 生成的数字人形象 / 侧脸 / 糊图会“换不像”（这种请选 inswapper 模型）
✅ 源视频：人脸清晰、正面为主、避免大角度侧脸和强逆光。
⚠️ 多张脸时默认全部替换（只想换其中一张，请先裁剪画面或联系管理员）。

1. 上传源视频 2. 新身份人脸照片

一张清晰正脸即可（jpg/png）。

3. 换脸模型任务备注（可选）

提交结果

逐帧换脸，短视频约 1-3 分钟，可关页面到「我的历史」取成片。

（等待提交…）

图片生成（本地开源模型 · 文生图）

输入描述,本地模型出图。Z-Image 出图快、中文文字渲染强,适合电商海报/主图/配图。

模型提示词反向提示词（可选）

宽

高

数量

任务备注（可选）

生成结果

出图约 10-30 秒。

（等待生成…）

视频换人（本地 Wan Animate · 480×832 · GPU3 限 400W）

上传一段源视频和一张参考人物图，把视频里的人换成参考人物，保留原动作。

✅ 源视频：单人出镜、动作清晰、竖屏最佳（输出固定 480×832 竖屏）。
✅ 参考人物图：单人、清晰、正面为主，决定“换成谁”。
⏱ 时长上限 8 秒，越长越慢；视频生成较慢，可关页面到「我的历史」取成片。

1. 上传源视频（提供动作） 2. 参考人物图（要换成谁） 3. 换人方式

只换人（保留原背景）换人 + 换背景

提示词（可选）反向提示词（可选）时长

分辨率固定 480×832 竖屏。

任务备注（可选）

生成结果

视频换人较慢，请耐心；可关页面到「我的历史」取成片。

（等待提交…）

手持商品口播（Qwen 合成手持静图 → Wan I2V 动起来 → 可选唇形口播）

上传一张数字人图片和一张商品图片，自动合成“数字人手持商品”的展示视频；填了口播文案就再接对口型，出会说话的口播成片。

✅ 数字人图：单人、正面清晰、半身/近景最佳。
✅ 商品图：产品正面朝镜头、离得近、占画面大时标签最清晰（干净背景更好）。
⚠️ 适合“手持展示 + 轻微动作”：轻微点头/眨眼/微笑。动作别太大，大幅摆弄产品容易漂移穿帮。
⏱ 生成较慢会排队，可关页面到「我的历史」取成片。

1. 数字人图片 2. 商品图片 3. 口播文案（可选，留空则只出手持展示视频）口播音色（填了口播文案时必选）

⚠️ 中文文案请选中文音色、英文文案选英文音色;选错语言语音会乱码乱说。

运镜 / 姿态提示词（可选）时长

分辨率固定 480×832 竖屏。

任务备注（可选）

生成结果

先合成手持静图，再动起来，有文案时再对口型；较慢请耐心，可关页面到「我的历史」取成片。

（等待提交…）

视频翻译（转录 → 翻译 → 原声克隆配音 → 对口型）

上传一段有人说话的视频，自动识别原文、翻译到目标语言，用视频里的原声（或指定音色）念出译文，并对好口型，输出翻译后的口播视频。

✅ 中英互译效果最好（原声克隆 + 配音质量最稳）。
✅ 建议单人、正面说话、人声清晰；背景音乐/多人杂音会影响识别与克隆。
⏱ 含 7B 翻译模型加载，短视频约 1–2 分钟，长视频更久，会排队；可关页面到「我的历史」取成片。

1. 上传视频 2. 目标语言

中/英质量最佳；其余语种翻译文本可用，配音质量有限。

3. 配音音色（可选）

默认用视频里的原声跨语种克隆；也可指定一个已有音色来配音。

任务备注（可选）

翻译结果

原文/译文会显示在下方日志里；较慢请耐心，可关页面到「我的历史」取成片。

（等待提交…）

🔒 视频生成（仅管理员测试 · 本地 LTX / Wan · GPU3 限 400W）

⚠️ 测试阶段,仅管理员可见。视频生成是重型负载,已隔离到限功率的 GPU3 单独实例。先用小分辨率、短片测试。

模式提示词反向提示词（可选）

画面比例

分辨率

时长

480p/720p 直接生成;1080p/1440p 自动走「低分辨率生成 + LTX 潜空间超分」拿高清(更慢)。时长越长越慢。

任务备注（可选）

生成结果

视频生成较慢,请耐心;全程盯着 GPU 状态。

（等待生成…）

🔴 数字人直播（仅管理员测试 · 实时对口型 + 弹幕互动 · GPU0）

数字人常驻直播，你在下面发弹幕，她会用克隆音色抢断当前话头立刻回答。实测评论到出声约 1.5~3 秒。空闲时循环播放底板口播。

主播形象

素材是 sym 时期预处理好的底板；换新形象需要先跑预处理建档。

（未开播）

AI 模型（开播中可直接切，立即生效）商品资料（决定她答得具不具体 · 改完点保存立即生效）

❗ 主播只会用这里写的信息回答。资料越细，回答越具体；留空她就只能一直说「看详情页」。当前这份是从底板口播原声转写整理的。

手动插播一句（插到队首，立刻念）

口播脚本（一行一句，排队依次念）

直播画面（HLS · 有几秒缓冲延迟，属正常）

开播后点播放器上的 ▶；首次出画面要等十几秒缓冲。声音默认静音，记得点开。

模拟观众弹幕

同一昵称 20 秒内只回一条（防刷屏）；换个昵称可以立刻再问。

接话记录

（还没有接话）

新建用户

用户名初始密码显示名（可选）

管理员权限

🎬 uuinin 数字人平台

制作换文案视频

提交结果

新建音色 / 形象

已有音色 / 形象

视频换商品

提交结果

视频换脸（本地 FaceFusion · 遮挡遮罩+面部增强）

提交结果

图片生成（本地开源模型 · 文生图）

生成结果

视频换人（本地 Wan Animate · 480×832 · GPU3 限 400W）

生成结果

手持商品口播（Qwen 合成手持静图 → Wan I2V 动起来 → 可选唇形口播）

生成结果

视频翻译（转录 → 翻译 → 原声克隆配音 → 对口型）

翻译结果

🔒 视频生成（仅管理员测试 · 本地 LTX / Wan · GPU3 限 400W）

生成结果

🔴 数字人直播（仅管理员测试 · 实时对口型 + 弹幕互动 · GPU0）

直播画面（HLS · 有几秒缓冲延迟，属正常）

我的历史

新建用户

用户列表

🎬 uuinin 数字人平台

制作换文案视频

提交结果

新建音色 / 形象

已有音色 / 形象

视频换商品

提交结果

视频换脸 （本地 FaceFusion · 遮挡遮罩+面部增强）

提交结果

图片生成 （本地开源模型 · 文生图）

生成结果

视频换人 （本地 Wan Animate · 480×832 · GPU3 限 400W）

生成结果

手持商品口播 （Qwen 合成手持静图 → Wan I2V 动起来 → 可选唇形口播）

生成结果

视频翻译 （转录 → 翻译 → 原声克隆配音 → 对口型）

翻译结果

🔒 视频生成 （仅管理员测试 · 本地 LTX / Wan · GPU3 限 400W）

生成结果

🔴 数字人直播 （仅管理员测试 · 实时对口型 + 弹幕互动 · GPU0）

直播画面 （HLS · 有几秒缓冲延迟，属正常）

我的历史

新建用户

用户列表

视频换脸（本地 FaceFusion · 遮挡遮罩+面部增强）

图片生成（本地开源模型 · 文生图）

视频换人（本地 Wan Animate · 480×832 · GPU3 限 400W）

手持商品口播（Qwen 合成手持静图 → Wan I2V 动起来 → 可选唇形口播）

视频翻译（转录 → 翻译 → 原声克隆配音 → 对口型）

🔒 视频生成（仅管理员测试 · 本地 LTX / Wan · GPU3 限 400W）

🔴 数字人直播（仅管理员测试 · 实时对口型 + 弹幕互动 · GPU0）

直播画面（HLS · 有几秒缓冲延迟，属正常）