百度一镜30分钟内完成数字人克隆：上传60秒真人视频→自动解析200+面部特征生成3个预览→选最神似形象→用原声或新录30秒语音克隆声纹→输入文案选IP场景→45秒生成高清口播视频。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
想用百度一镜快速生成一个能持续出镜、稳定更新、贴合自己风格的个人IP数字人，不用建模、不装软件、不租服务器，全程网页操作，30分钟内完成形象克隆+声音复刻+首条视频生成。
准备真实素材：手机拍一段60秒视频就够了
打开手机前置摄像头，在自然光下正对镜头，保持面部清晰无遮挡，录制一段60秒左右的真人说话视频——内容可以是自我介绍、讲一句行业观点，或读一段文字。不要美颜、不要滤镜、不要戴眼镜，确保嘴部轮廓和表情细节完整可见。
这一步必须用真人动态视频，【仅上传单张照片会导致唇形失真、微表情缺失，后续口播视频会出现“嘴型对不上”的明显穿帮】。如果光线太暗或侧脸角度大，系统会提示重传，直接按提示补拍即可。
上传→自动克隆→确认形象
登录百度一镜官网（yijing.baidu.com），进入「我的数字人」→点击「新建数字人」→选择「真人一键克隆」。
将刚才拍好的视频拖入上传框，系统开始自动解析面部结构、肤色、五官比例、眨眼频率、嘴角弧度等200+特征点。约90秒后生成3个候选形象预览，每个都带实时口型驱动测试按钮。
点击每个预览下方的「试说“你好，我是XXX”」，观察嘴部开合节奏是否自然、眼神是否跟随语义变化。选中最接近你本人神态的一个，点击「确认使用」。
调用百度PaddleOCR‑VL大模型API，支持PDF、Word、PPT、图片等多格式文档解析，精准识别印刷体、手写体、表格、公式、图表、印章等复杂元素，支持100+语言，可处理不规则布局和跨页长文档。触发词：文档解析、VLM解析、大模型OCR、PaddleOCR、多模态文档、手写识别、公式识别、复杂版面。
声音克隆：录30秒语音，选1种情绪风格
方法一：直接用已上传视频里的原声——系统会自动提取音频并训练声纹模型，适合追求原声还原度的用户。
方法二：重新录制30秒纯语音——点击「声音克隆」→「新录语音」，用手机收音，念一段无背景音的文案（如：“今天分享三个做IP的关键动作”），语速平稳、少停顿、不刻意加重。
两种方式生成的声音模型都支持在后续编辑中切换情绪风格：冷静专业、热情活力、沉稳可信。首次生成默认为「自然中性」，无需手动调整。
生成第一条IP视频：输入文案→选场景→导出
第一步：在「数字人视频」模块中，粘贴你想发布的口播文案，比如“为什么90%的知识博主半年后断更？因为没搭好内容飞轮”。
第二步：从「IP专属场景库」里选一个匹配调性的背景——老板IP选深色商务风，教培IP选白板讲解式，轻科普选动态粒子流，全部免版权、适配16:9与9:16双画幅。
第三步：点击「生成视频」，系统自动调度数字人分身、匹配唇动、叠加字幕、添加BGM淡入淡出。45秒后生成1080P高清MP4，可直接下载或一键发布至百家号、抖音、视频号。
