讯飞智作数字人建模分照片与视频两种方式：照片建模需上传≥800×1200像素正脸证件照，启用口型驱动后90秒出结果；视频定制分1分钟基础版和5分钟高清版，后者支持微表情与肢体联动；声音复刻须实名认证，视频用户建议同步录制3–5分钟语音。
☞☞☞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☜☜☜
想用讯飞智作快速生成专属数字人，但不确定该传照片还是视频——传错素材会导致形象失真、口型不同步、甚至定制失败，尤其新手容易在第一步就卡住。
照片建模：适合没视频、时间紧、只想快速试效果
第一步：打开讯飞智作官网（xunfeizhao.xfyun.cn），登录后点击【AI演播室】→【我的数字人】→【照片建模】。
第二步：上传一张正脸免冠证件照，格式为JPG或PNG，分辨率【必须≥800×1200像素】，背景纯色、光线均匀、无反光、不戴眼镜/口罩/帽子。
第三步：勾选“启用口型驱动”，点击提交。系统约90秒完成建模，可立即预览基础动作和口型同步效果。这一步操作起来很简单，直接把文件拖进去就行，但若照片模糊或侧脸，生成的形象会五官偏移、眨眼僵硬，无法后期修正。
视频定制：适合追求高拟真度、需自然微表情和肢体动作
方法一：上传1分钟内真人说话视频
点击【新建分身】→选择“视频定制”→上传一段正面清晰、全程直视镜头、语速平稳的1分钟以内视频。视频中【严禁戴口罩、墨镜、频繁转头或遮挡半张脸】，否则系统无法提取完整面部特征，生成的数字人会出现嘴型错位、眼神呆滞、点头动作断裂等问题。
方法二：用5分钟高清视频做标准形象定制
若用于企业宣传或长期内容输出，建议准备一段5分钟以内的高质量视频：光线充足、背景简洁、面部无遮挡、包含微笑/转头/简单手势等自然动作。这类视频经算法处理后，生成的数字人支持多角度微表情、肩颈联动和呼吸感肢体节奏，比照片建模更接近真人播报状态。
声音复刻必须搭配对应素材类型
照片建模用户可跳过录音环节，直接选用“讯飞星火音色”等预设音库；但若已上传视频，则强烈建议同步录制3–5分钟语音样本——用同一设备、同一环境、同一语速朗读平台提供的提示文本，这样复刻出的声音与数字人口型、情绪起伏匹配度更高。
注意：声音复刻功能需完成实名认证才可启用，未认证账号即使上传音频也无法启动训练流程。
