AI数字人短视频+免费工具+保姆级教程:0基础半小时做出第一条会说话的口播视频

你有没有刷到过这样的视频：一个人对着镜头讲了一分多钟，条理清楚、不卡壳、背景还挺好看。你以为这是哪个博主，其实画面里那个人根本不是真人——他连一次都没坐到镜头前。

这就是数字人视频。

今天我们就亲手做一条：写一段稿子，让屏幕里的"人"替你说出来。

先交个底：

• 今天做成什么样：
  一条 30 秒左右的竖屏口播视频，画面里有个人，在讲你自己写的稿子
• 要多久：
  第一次大概 30 分钟，做熟之后十几分钟
• 要花钱吗：
  写稿的 AI 免费；数字人功能有免费额度，做一条 30 秒的练习视频够用，超了才需要付费
• 能靠它赚钱吗：
  能，但先说实话——这类视频接单单价不高，靠的是量。真实行情放在文末

别被"数字人"这三个字吓到。它就是三样东西拼起来的：

工具会自动让那张脸对着你的稿子动嘴，这一步叫"对口型"。

所以你真正要做的事，只有一件：把那段话写出来。 其他都是点几下按钮的事。

还有一个概念你懂一句话就够了：30 秒的口播稿，大概是 100 到 130 个字。写多了念不完，写少了画面空。记住这个数字，后面写稿你就知道该写多长。

1. 一个能写字的 AI：豆包、通义千问、DeepSeek、Kimi 任选一个，网页版或 App 都行

2. 一个带数字人功能的视频工具：剪映（手机 App 或电脑版）里的「数字人」、即梦 AI、腾讯智影，任选一个用熟

3. 一部手机或一台电脑：装得上上面那个工具就行

提醒：不需要相机，不需要麦克风，不需要你会剪辑，也不需要露脸。全程你都不用出现在镜头里。

不同版本的入口位置不一样，找不到就在工具里搜「数字人」三个字，一般都能搜到。

先在纸上写三行：

1. 说给谁听：想下班后搞点副业、又怕被割的人

2. 解决什么问题：不知道第一步该干什么

3. 听完记住哪一句：先把免费工具用熟，再谈赚钱

然后把下面这段整段复制进 AI：

         你是短视频编导。请帮我写一段 30 秒的口播稿，主题是「做副业第一步该干什么」，要求：        

>

         1. 全中文简体，口语化，像跟朋友面对面聊天，不要书面语；        

         2. 第一句就要让人停下，不要「大家好我是谁」这种开场；        

         3. 全篇只讲一个重点，不要讲三件事；        

         4. 总字数 100 到 130 字，大概 30 秒能念完；        

         5. 分成 6 到 8 句短句，每句不超过 20 字，方便做字幕；        

         6. 结尾落在「你自己去动手」，不要喊「关注我」「点赞」；        

         7. 直接把稿子给我，不要解释，不要写标题。        

按回车，等它写完。你会得到一段大概 120 字的稿子，长这样：

真实成品：上面那段提示词生成出来的口播稿，118 字，分成 6 句短句，念一遍刚好 30 秒出头

拿到稿子一定要念出声念一遍。 拗口的地方直接改成你自己的说法，别留着。

AI 写的稿子有两个通病：形容词太多、句子太工整。

去 AI 味就三招：

1. 删形容词 —— "非常实用"改成"能省一半时间"

2. 加一个具体数字 —— 别写"很多人"，写"我身边三个人"

3. 出声念一遍 —— 哪句念着别扭，就用你自己的话重说一遍

打开剪映（或即梦 AI、腾讯智影），找到「数字人」，里面会给你一排形象让你挑。

挑的时候记住三条：正脸朝镜头、光线均匀、背景干净。别挑侧脸的、别挑半身太远的、别挑戴墨镜的。

下面这张，就是我按上面那段话的思路生成出来的一张数字人形象：

真实成品：AI 生成的一版数字人形象——正脸、光线均匀、背景干净，这种最适合拿去做口播

如果工具里自带的形象都不满意，可以自己拍一张正脸照片上传，或者用 AI 生成一张再传上去。但只能用你自己的照片，或者明确拿到授权的照片，这条红线后面还会讲。

1. 把第一步那段稿子整段粘贴进工具的文本框

2. 选音色：女声、男声随你，语速调慢一点（0.9 到 1.0 倍，快语速听着像念稿）

3. 点「生成」或「合成」，等几分钟（有的工具要等十几分钟）

4. 生成完先听一遍，哪里念错了就改稿子重新生成

免费额度是有上限的，所以第一次别写长稿，就做 30 秒。跑通了再谈加长。

1. 大多数工具会自动出字幕；没有的话，用剪映的「识别字幕」功能，一键就出

2. 字幕调成一屏一行、字号大、白字黑边，这是手机上最耐看的字幕样式

3. 导出选竖屏 9:16、1080P，这是短视频平台的通用尺寸

下面这张，就是把上面那张形象 + 字幕条拼出来的成片画面（这是我用同一套素材叠出来的示例，真实的成片里那个人是会动、会张嘴的）：

真实成品：一条成片的画面——上面是数字人形象，顶部是栏目标签，底部是字幕条，字幕文案就是第一步那段稿子的最后一句

到这一步，你就有一条能发出去的视频了。 画面里那个人，一句话都不是你自己说的。

这套方法最值钱的地方不是这条视频，而是同一个形象可以讲任何东西：

换一个主题，改一次稿子，二十分钟就是一条新视频。 这就是为什么这东西能接单——同一个流程，换内容就是新产品。

1. 自己的号 —— 你不想露脸、不想化妆、不想收拾屋子，那就让数字人替你说

2. 本地小店 —— 店主不敢出镜，用数字人念店里的活动，比一张图有说服力

3. 知识类账号 —— 你手上本来就有文字（文章、笔记、课件），改成口播稿就是一条视频

4. 当成接活的第一单 —— 你手上有一条真做出来的视频，比"我会做短视频"这句话有用得多

给几句实话：

• 一条这样的口播视频，行情大概几十到两三百块
  ，看你要不要帮客户写稿、要不要加字幕、要不要改到满意
• 别按"拍视频"报价
   —— 你说"拍视频"客户想到的是请人扛机器来家里，你说"帮你做一条口播"客户才听得懂
• 别信"数字人月入过万"
   —— 一条几十块，一个月能接十来条就很勤快了
• 先收一半定金再动手
  ，改到满意收尾款；不给定金、只要一份样片的，多半拿片就消失

• 别用别人的脸做数字人形象
   —— 用真人照片、用明星的脸，都涉及肖像权，出事赔不起
• 别做"AI 换脸"
   —— 把别人的脸套到别的视频上，这是明确违规的
• 别用数字人冒充真人身份做背书
   —— 医疗、法律、金融这类内容，数字人加上"专业身份"就是误导
• 发的时候标一句"画面由 AI 生成"
   —— 平台基本都要求标注，别藏着

         今天你的任务只有一件：打开一个免费工具，写下那三行交底，让 AI 出一段 120 字的稿子，然后挑一个形象，把它生成出来。        

>

         哪怕只有 30 秒、只有一句话、只有一个人站在那里念完，只要你真的导出过一条视频，你就已经跨过了一道很多人一辈子都没跨过的坎——画面里那个人，替你说出了你自己写的话。        

>

         别贪多，也别想着一次做完美。先做出来，你自己去动手。