用录音驱动讯飞智作数字人说话，口型表情语速自动匹配；需上传60秒内MP3/WAV/M4A干净录音，避免语气词；上传后识别生成文字稿可手动修改；支持快速生成或高级设置（开启口型强化、设情感为自然、关自动补帧）；自定义数字人须完成声音绑定；下载前检查头尾静音勿超0.3秒。
☞☞☞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☜☜☜
想让数字人开口说话但不想打字写稿？用你自己的录音直接驱动讯飞智作数字人，口型、表情、语速全部自动匹配，连标点停顿都自然还原。
准备一段干净的录音文件
用手机或录音笔录下你要讲的内容，确保环境安静、语速适中、无明显杂音或爆破音；录音格式必须为MP3、WAV或M4A，时长建议控制在60秒以内——过长会导致口型同步偏差增大，系统默认只处理前90秒。
这一步不能跳过，【录音中若夹杂“嗯”“啊”等冗余语气词，数字人会如实复现口型，影响专业感】；建议录完后先用系统自带播放器听一遍，确认没有电流声、回声或突然的音量起伏。
进入AI演播室并上传录音
登录讯飞智作官网→点击「AI+视频」→选择「AI演播室」→点击「上传音频」按钮，将刚才准备好的录音文件拖入指定区域。
上传成功后，页面自动识别语音内容并生成文字稿；若识别有误，可直接在文本框里手动修改——修改后的文本将作为最终配音脚本，但口型驱动仍以原始录音为准。
选择数字人与生成设置
方法一：快速生成（适合新手）
在「形象库」中任选一个预设数字人（如“小雅”“天明”），点击右侧「立即生成」，系统自动匹配最佳唇形参数和情感节奏，3分钟内输出MP4视频。
方法二：精细控制（适合定制需求）
① 点击「高级设置」→开启「口型强化模式」；
② 在「情感倾向」滑块中向右拖动至「自然」档位（非「激昂」或「平静」）；
③ 关闭「自动补帧」选项——该功能在录音语速不均时易导致微表情卡顿；
④ 点击「生成视频」。
注意：若使用自定义数字人（已上传过1分钟视频构建的分身），需确保该分身已完成「声音绑定」，否则系统将 fallback 到默认发音人合成语音，仅保留口型驱动。
导出与下载成品视频
生成完成后，页面显示「合成完成」提示及预览窗口；点击「下载MP4」即可保存到本地。
下载前务必核对时间轴：录音开头0.5秒内是否出现空白帧？如有，说明音频头端存在静音冗余，需重新剪辑录音并上传——【头尾多于0.3秒静音会直接导致数字人张嘴延迟】。
