必须先选对克隆类型：精品克隆需张嘴录4分钟以上视频以1:1还原口型，极速克隆需闭嘴录2分钟以上视频且口型由AI匹配；上传前须用1080p/30fps设备拍摄、纯绿幕背景、纯色上衣、领夹麦收音；上传后按三步操作：选类型拖入视频→命名并勾协议→自动扣图（仅绿幕可用）+原声或智能音色；训练中看“素材质检通过”和“就绪”状态，方可预览使用。
☞☞☞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开口说话、走动自然的数字分身，但卡在上传视频后不知道下一步该点哪里、选什么参数、怎么避免训练失败——这篇文章只讲你真正要操作的每一步，不绕弯子，不堆概念。
选对克隆类型：精品 or 极速？
打开营销内容创作平台，首页「立即克隆」按钮旁会并列显示两种模式：【精品克隆】和【极速克隆】。别凭感觉选，直接看用途：
要做总裁出镜讲产品、知识类IP长期口播，必须选【精品克隆】——它能1:1还原你的真实口型，但要求你张嘴录4分钟以上视频；
如果只是店铺日常自播、带货短视频轮播，选【极速克隆】更省事——30分钟出模型，但口型是AI匹配的，不强制张嘴，反而要求全程闭口录制。
⚠️注意：闭口录了却选精品克隆，或张嘴录了却选极速克隆，训练必然失败，平台不会提示原因，只会卡在“处理中”不动。
上传视频前的硬性准备
无论选哪种，都必须提前按规范拍好视频，否则上传后系统会拒绝或训练失真：
用手机或单反拍摄，分辨率不低于1080p，帧率固定30fps；
模特穿纯色上衣（避开细条纹、亮片、反光材质），背景用纯绿幕（不是浅绿、不是灰绿，是RGB值为0,180,0的标准绿）；
【精品克隆】必须张嘴说话，内容不限，但需持续发音至少4分钟，语速均匀，不突然停顿；
【极速克隆】必须全程闭嘴，保持自然微笑或中性表情，头部轻微转动+抬手示意即可，时长满2分钟就行；
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。
收音用领夹麦，贴在衣领第二颗纽扣位置，录音电平峰值控制在-6dB以内——底噪大会导致声音克隆失败，且无法重试。
上传与设置关键三步
第一步：点击「立即克隆」→选择类型→拖入已拍好的视频文件；
第二步：命名你的数字分身（如“张总知识播报”），勾选协议，点击「下一步」；
第三步：扣图方式选「自动扣图」——【仅当背景是标准绿幕时才可选此项】，实物背景或白墙选自动扣图会把人边缘吃掉，后续无法修复；
声音设置选「使用视频原声」——如果你录的是干净语音，且想克隆自己声音，就选这个；若原视频有环境噪音，或你打算后期换音色，直接选「智能匹配音色」，不消耗额外权益。
提交后盯住两个节点
点击「开始克隆」后页面跳转至「我的人像」，这里只看两项：
状态栏显示「训练中（预计剩余XX分钟）」——精品克隆显示4小时左右，极速克隆显示30分钟左右；
进度条下方出现「素材质检通过」字样才算真正进入训练，如果一直卡在「质检中」，说明视频不符合绿幕/发音/时长任一硬指标；
训练完成时，状态变为「就绪」，右侧出现「预览」按钮，点开能看到数字人原地站立、眨眼、微点头——这是基础模型已生效，可直接用于直播或视频生成。
