百度一镜数字人可实现双人同框对话：上传两张合规正脸照生成A、B数字人，脚本用【A】【B】标注台词，选择左右分屏或自定义布局，配置不同语音模型后一键生成1080P对口型视频。
☞☞☞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☜☜☜
用百度一镜数字人实现两个角色同框对话，无需剪映蒙版、不拼接视频、不调时间轴——上传两张人物图+一段分角色脚本，系统自动合成双人精准对口型视频。
准备阶段：确保两人形象可被识别
打开百度一镜官网，登录账号后进入「形象克隆」模块。必须分别上传两位人物的正面高清照片，要求：面部无遮挡、光线均匀、背景干净、人脸占比超60%。【照片中不能出现第三个人、不能戴墨镜或口罩，否则系统会拒绝识别】
每张图单独提交，等待15秒左右生成独立数字人形象。生成成功后，页面会显示“已就绪”状态图标，此时才可进入下一步。
脚本输入：按角色标注说话内容
进入「数字人视频生成」工作台，点击「新建项目」→选择「双人对话模式」。
在脚本编辑区，用明确角色前缀标注每一句台词，格式必须为：【A】你好，今天推荐一款新咖啡 → 【B】确实香，我刚喝完一杯 → 【A】它还有提神不心悸的特点……
注意：角色名只能用【A】和【B】，不能写成【左】【右】或【张三】【李四】；每句换行，总字数建议控制在300字以内；标点用中文全角，避免英文引号或特殊符号。
这一步操作起来很简单，直接把写好的文案复制粘贴进去就行。但若漏掉【A】/【B】前缀，系统会默认全部由A角色说完，无法触发双人逻辑。
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。
配置双人画面布局
方法一：系统预设布局
在「画面设置」中下拉选择「左右分屏」，A角色自动居左，B角色自动居右，比例固定为1:1，背景默认纯色（可后续替换）。
方法二：自定义位置与大小
点击「高级布局」→拖动A/B角色头像到画布任意位置→用缩放滑块调节单人尺寸→开启「动作同步开关」让两人点头、抬手等微动作自然匹配。此时【务必关闭“自动居中”选项，否则手动调整的位置会被重置】。
生成与导出：一键完成双人视频
第一步：确认语音模型——A角色选「知性女声-Zeroshot」，B角色选「沉稳男声-Minimax」，音色差异越大，对话辨识度越高。
第二步：点击「生成视频」按钮，等待90～120秒。期间页面显示实时进度条与双人嘴型渲染预览。
第三步：生成完成后，点击「下载MP4」，选择1080P分辨率，文件自动保存至本地。视频已包含完整音画同步、自然停顿与角色眼神交互，无需任何后期处理。
