数字人演示输出带口型动作的MP4视频，需先创建数字人形象再渲染；语音演示仅输出MP3/WAV音频，无需形象，3秒合成且不可添加画面。
☞☞☞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☜☜☜
想在讯飞智文平台快速区分数字人演示和语音演示两种模式，避免选错入口导致生成失败或效果不符预期，必须清楚二者底层逻辑完全不同：数字人演示输出带口型动作的视频，语音演示只输出纯音频文件。
数字人演示的核心特征
第一步：进入讯飞智文官网或小程序，点击「AI数字人」模块→选择「新建数字人视频」。
第二步：上传文案后，必须选择一个已创建的数字人形象（支持照片生成、视频驱动、标准模板三类），同时绑定对应的声音（可复刻本人声或调用音库）。
第三步：点击生成后，系统启动多模态渲染流程——同步驱动面部微表情、唇形匹配、肢体自然摆动、背景画面合成，最终输出MP4格式视频文件。
这一步不可跳过：若未提前创建数字人形象，页面会直接报错提示【请先完成数字人形象构建，否则无法进入视频渲染环节】。很多用户卡在这一步，误以为是网络问题，其实是漏掉了前置建模动作。
语音演示的执行路径
打开讯飞智文→直接点击「AI配音」入口→粘贴文案→选择发音人（含中英文、情感化、行业专用等127种音色）→点击「立即合成」。
系统调用TTS引擎，仅处理文本到语音的映射关系，不加载任何视觉模型，全程无图像计算开销。
3秒内返回MP3/WAV音频文件，支持下载、试听、语速/语调微调，但【无法添加口型、动作、背景或人物形象】——这是语音演示的本质边界，不是功能隐藏，而是技术架构决定的。
选错演示类型的典型后果
方法一：误把语音演示当数字人用 → 只得到一段干巴巴的配音，没有画面，无法用于发布会、课程讲解、短视频口播等需出镜场景。
方法二：在数字人流程里强行跳过形象选择 → 系统弹窗提示“未检测到可用数字人”，并自动锁定下一步按钮，无法继续。
方法三：用语音演示生成的音频再去套数字人模板 → 会触发唇形失配警告，因为音频时长与预设口型动画帧率不一致，强行合成会导致嘴型抽搐、延迟卡顿。
