数字人口播视频已经是 2026 年内容创作的主流形态——不需要出镜、不需要打灯、不需要反复 NG，写好脚本就能批量出片。本教程用目前效果最好的 HeyGen 平台，从零开始打造你的专属数字人，并生成第一条口播视频。
HeyGen 是什么？为什么选它？
- 照片+视频驱动：上传 2 分钟训练视频，生成与本人高度一致的数字人
- 175+ 语言支持：输入中文脚本，可生成英语、日语等多语言口播
- 口型同步精准：嘴型与发音匹配度远超竞品，不再「假说话」
- 动态手势：V4 模型支持自然手势和头部运动，告别「定格画面」感
- 价格：免费版每月 1 积分（约 1 分钟视频），Creator 版 $24/月 15 积分
第一步：注册并选择数字人方案
打开 heygen.com 注册账号。进入「Avatars」页面，你有三种选择：
- Stock Avatar：直接用平台预制数字人（100+ 形象），适合不想露脸的新手
- Photo Avatar：上传一张正面照片，生成半身数字人（效果一般，但 1 分钟搞定）
- Instant Avatar：上传 2 分钟训练视频，生成高保真专属数字人（推荐，效果最好）
本教程走第三种——Instant Avatar，因为这是 HeyGen 的核心卖点。
第二步：录制训练视频
这是决定数字人质量的关键步骤。找一面白墙、确保光线均匀，用手机前置摄像头录制一段 2 分钟的视频：
- 距离：手机放在距离面部 50-80cm 处，保持头肩在画面内
- 内容：正常说话即可，覆盖日常表情——微笑、点头、轻微转头。不要大动作
- 音频：在安静房间录制，语音清晰。HeyGen 会从视频中提取你的声纹
- 格式：MP4 / MOV，分辨率 1080p 以上
- 注意：不要戴帽子、墨镜等遮挡面部；头发不要遮住眉毛和耳朵
录制完成后上传到 HeyGen，等待约 10-30 分钟处理完成。你会收到邮件通知。
第三步：撰写口播脚本
脚本质量直接决定视频质量。一份好的口播脚本应该：
- 开头 3 秒抓人：用问题或反常识观点开场，不要「大家好我是 XX」
- 单段不超过 3 句话：口播不像文章，长句念起来容易喘不上气
- 口语化：写完大声念一遍，觉得拗口就改
- 结尾给行动指令：「关注我了解更多」「评论区告诉我你的看法」
示例脚本（60 秒短视频）：
你知道吗？90% 的人用 AI 写周报，但其实方法全错了。
他们直接把流水账丢给 ChatGPT 说「帮我整理成周报」。
出来的东西看起来很工整，但读起来完全没有你的个人判断。
正确的做法是分三步：
第一步，自己列出本周最重要的三件事。
第二步，告诉 AI 你的角色和汇报对象。
第三步，让 AI 按你的语气风格来组织语言。
这样出来的周报，既高效又不会丢掉你的思考。
关注我，下期教你具体的提示词模板。第四步：生成视频
回到 HeyGen 主界面，点击「Create Video」：
- 选择你训练好的 Instant Avatar
- 在左侧脚本框粘贴上面的文案
- 选择语言和声音：中文选「Chinese (Mandarin)」，声音选你自己提取的声纹
- 右侧可以添加手势标记：在特定位置插入「Point」「Nod」等动作
- 点击「Submit」生成
一段 60 秒视频大约 2-3 分钟生成完成。生成后可以预览，不满意可以修改脚本重新生成。
第五步：进阶——添加背景和字幕
HeyGen 内置了简单的编辑功能：
- 背景替换：绿幕抠像后替换背景图片或视频（适合做知识口播+图文展示）
- 自动字幕：一键生成中文字幕，支持调整字体和位置
- BGM 添加：从版权免费音乐库选择背景音乐
- 画面插入：在脚本特定位置插入图片或视频片段（适合教程类内容）
如果需要更复杂的后期，下载视频后用剪映处理。HeyGen 直出 + 剪映微调是 2026 年最高效的口播视频工作流。
常见问题
- 数字人不像本人？→ 训练视频质量是关键。重新录制，确保正面、光线好、表情自然
- 中文发音有口音？→ HeyGen V4 中文已大幅改善，但个别词可能不准。可以在脚本中用拼音标注读音
- 生成视频有水印？→ 免费版有水印，Creator 版以上无水印
- 商用版权？→ Creator 版及以上拥有生成视频的完整商业使用权
- 能换衣服吗？→ Instant Avatar 目前不支持换装，需要重新录制训练视频
到这里你已经能独立制作数字人口播视频了。建议先用 Stock Avatar 练手，熟悉流程后再训练自己的专属数字人。