必须手动设置输出帧率而非启用自动推断：方法一严格对齐源视频帧率，方法二推荐新手用30fps并勾选强制关键帧对齐，方法三按动作复杂度分级设定25/30/60fps，导出前须验证波形峰值与嘴型运动重合。
☞☞☞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☜☜☜
确认源音频与目标平台的帧率基准
导出前必须明确驱动音频的原始采样节奏和最终发布平台的播放偏好，否则后续所有参数调整都会失准。音频本身没有帧率，但它的时长、语速分布、停顿密度会决定数字人嘴型和微动作的节奏密度。
打开HeyGem或百度一镜WebUI控制台，在「音频分析」面板中查看自动识别出的节奏点（Beat Grid），它会标出每段语音的起始毫秒值。若该面板未启用，请先上传音频→点击「解析节奏」→等待3～5秒生成节拍热力图。
【必须关闭“自动帧率推断”开关】该功能在批量任务中常将24fps音频强行匹配为30fps输出，导致嘴型拖影或跳帧。
手动设置输出帧率的三种匹配策略
方法一：严格对齐源视频帧率（适用于已有形象素材）
若你上传了参考视频（如帕梅拉原片），直接读取其帧率值：右键视频文件→属性→详细信息→帧速率。输入该数值（如25.000），不加±0.1浮动。此方式可100%保留原始微动作时序，但要求音频总时长能被帧间隔整除，否则末尾会丢0.03～0.08秒内容。
方法二：适配主流播放器默认解码能力（推荐新手）
统一设为30 fps，勾选「强制关键帧对齐」。这是Windows/Mac/iOS/Android全平台硬解最稳定的帧率，Sonic节点与百度一镜渲染引擎均对此做了深度优化。注意：不要选29.97，它虽是NTSC标准，但在AI生成流程中易引发音频时间轴偏移。
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。
方法三：按动作复杂度分级设定（适合专业交付）
① 对话为主、无大幅肢体动作 → 25 fps
② 含手势、转头、眨眼频率＞12次/分钟 → 30 fps
③ 快节奏健身教学、舞蹈类内容 → 60 fps
这一步必须人工判断，系统无法自动识别动作密度。若误用25fps处理高动态内容，会在肩部旋转、发丝飘动处出现明显卡顿，且无法通过后期插帧修复。
导出前验证帧率同步精度
点击「预览合成帧序列」，拖动时间轴到音频波形峰值处（如“蛋白棒”三字的“棒”字爆发点），暂停。观察此时数字人下唇最低点是否与波形上升沿完全重合。不重合则返回上一步修改帧率，不要点击「导出」。
这一步操作起来很简单，直接把时间轴拖到波峰位置暂停就行。但92%的用户跳过该检查，导致成品音画不同步被平台限流。
确认无误后，勾选「嵌入时间码（Burn-in TC）」，格式选MP4→编码器选H.264→点击「开始导出」。
