百度一镜支持手机视频一键生成写实数字人，分精品克隆（需张嘴录制、4小时训练、唇形微表情精准）与极速克隆（闭口录制、30分钟出图、细节简化）；拍摄须横屏、光线均匀、背景简洁，且每句停顿≥0.5秒、结尾静止3秒；上传时实景禁用自动扣图，原始素材质量决定最终写实度。
☞☞☞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☜☜☜
想用百度一镜在几分钟内生成一个和自己几乎一模一样的写实数字人，不用建模、不装软件、不找绿幕，只需要一部手机和一段视频——现在就能做到。
选对克隆类型：精品克隆 or 极速克隆
打开百度一镜官网或App，进入「形象克隆」页，你会看到两个入口：【精品克隆】和【极速克隆】。前者适合做IP短视频、企业高管出镜、需要唇形1:1还原的严肃场景；后者适合店铺自播、带货口播、快速批量生成，30分钟出人像。
如果你要克隆的是自己本人，并且后续用于知识类口播、品牌代言等需强信任感的场景，必须选精品克隆——它要求你张嘴录制，训练后能精准复刻你说话时的嘴角弧度、咬字节奏甚至微表情惯性。
极速克隆则只需闭口录制，系统用大模型自动匹配口型，省时间但牺牲细节真实感。
拍摄视频：3个硬性要求不能漏
第一步：用手机横屏拍摄一段1～3分钟的真人出镜视频，环境安静、光线均匀（避免顶光或侧逆光）、背景尽量简洁（白墙/纯色布最佳）。
第二步：全程保持自然说话状态，内容可以是自我介绍、产品讲解或一段即兴口播——【必须张嘴说话，且每句话之间留0.5秒以上停顿】，这是让AI准确捕捉口型变化的关键帧间隔。
第三步：视频结束前，保持身体自然放松，缓慢闭嘴并静止3秒——这一步决定数字人“沉默时”的嘴型是否自然，跳过会导致合成后嘴唇微张或歪斜。
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。
上传与设置：两处关键选项要盯住
方法一：网页端操作路径 → 上传视频 → 填写人像名称 → 选择「自动扣图」→ 声音设置选「使用本视频音频」→ 勾选协议 → 点击「开始克隆」。
注意：如果背景是绿幕，可选「绿幕抠像」；但【实景背景绝不可选自动扣图】，否则边缘会毛边、发虚，影响最终质感。
方法二：App端支持直接调用相册视频，上传后系统自动检测画面质量。若提示“光照不足”或“人脸模糊”，务必重拍——百度一镜当前版本不支持后期补光或超分修复，原始素材质量直接决定数字人皮肤纹理、眼睑褶皱等写实细节的还原度。
等待训练完成：进度查看与资产确认
① 点击「我的人像」→ 进入资产中心 → 查看当前训练队列状态；
② 精品克隆通常需4小时左右（服务器负载高时可能延长至6小时），期间不可中断或重复提交；
③ 训练完成后，系统自动推送通知，人像卡片显示「已就绪」，点击即可预览360°旋转效果、逐帧检查眨眼频率与唇动同步性；
这一步能直观验证是否达到写实标准：如果眨眼生硬、转头时耳部变形、或读“b/p/m”音时嘴唇厚度失真，说明原始视频存在抖动或打光不均，需重新拍摄。
