口播视频

用一张人像照片和一条音轨生成 5 秒口播片段：脸匹配人像、说话匹配音频，可选字幕与情绪方向。更长的口播分段制作——每段单独运行，用上一段的尾帧接续。

• 准备内容： 清晰的人像（必填）+ 音轨（必填，MP3/WAV/M4A，单次 5 秒以内）。可选情绪方向与字幕开关。

• 你会得到： 画廊中的片段（带播放器与下载），附创作说明。生成通常需要 5-10 分钟。

• 后续用途： 代言口播、播客预告、商品配音。

口播视频预览

结果包含
- 带播放器与下载的 5 秒对口型片段
- 人像与声音匹配
- 实际使用的提示词
- 应用的情绪与字幕

最终报告还会补充证据、判断理由和建议的下一步动作。