视频创作（视频制作）

“视频创作”也可以理解为“视频制作”。它用于生成一段可下载的数字人口播视频。它和“实时对话”不同：用户先选择数字人形象、音频来源和生成模型，服务端完成离线生成后，把结果保存到导出视频资产库。当前 WebUI 顶部标签显示为“视频创作”。

适合什么场景

视频创作适合：

• 商品讲解、课程口播、新闻播报等需要导出成文件的场景。
• 先上传一段录好的音频，再让数字人生成对应口播视频。
• 先输入口播文本，由 TTS 生成音频，再生成数字人视频。
• 先复刻音色，再用复刻音色生成一段口播视频。

它不适合实时问答，也不会进入 LLM / STT / WebRTC 实时会话链路。

视频创作页面：左侧选择数字人形象，中间配置离线生成，右侧预览生成结果。

前置条件

你需要先启动 OpenTalking，并确保要使用的 talking-head 模型可用：

• quicktalk：适合轻量实时或准实时口播生成。
• wav2lip：适合对已有音频做口型同步。
• fasterliveportrait：适合需要贴回原图、动作幅度参数和更细粒度表情控制的视频生成。

第一次验证可以先用 Mock 模式打开 WebUI 熟悉界面，但真正生成视频需要对应模型后端可用。

页面组成

Source

左侧 Source 区用于选择视频中的数字人形象。你可以直接选择已有 Avatar，也可以点击“上传图片”创建新的图片形象。

上传图片时，建议使用清晰正脸或半身图。上传后会加入当前形象库，并自动成为可选 source。

Offline Generation

中间区域负责生成配置：

• “生成模型”：选择当前后端已连接的 talking-head 模型，例如 quicktalk、wav2lip 或 fasterliveportrait。
• “标题”：生成后写入导出视频资产库的名称。
• “音频来源”：决定视频口播音频来自哪里。

音频来源有三种：

• “上传音频”：上传已有 wav、mp3、m4a、webm 等音频文件。
• “文本合成”：输入口播文本，使用当前 TTS Provider 和 voice 合成音频。
• “复刻音色”：先录制或上传样本音频创建新 voice，再用该 voice 合成口播。

文本合成和复刻音色都建议先点击“试听口播”，确认声音、语速和文本没有问题后再生成视频。

Result

右侧 Result 区在生成完成后展示视频预览、下载按钮和资产库入口。生成结果会保存到导出视频资产库，后续可以在“资产库”工作流中查看、下载或删除。

操作步骤

1. 打开 WebUI，顶部切到“视频创作”。
2. 在左侧选择一个 Avatar；如果要使用新形象，点击“上传图片”。
3. 在中间选择当前后端可用的生成模型。
4. 填写标题。
5. 选择音频来源。
6. 如果使用文本合成或复刻音色，先试听口播。
7. 点击“生成并保存”。
8. 在右侧预览结果，或点击“去资产库查看”。

音频来源怎么选

上传音频

适合已有录音、已经剪辑好的旁白、或外部 TTS 生成的音频。上传前建议控制音频长度，先用短音频验证模型链路。

文本合成

适合快速生成口播。你只需要输入文案，选择 TTS Provider 和音色。当前试听和生成都使用同一套 TTS 配置。

复刻音色

适合需要固定品牌音色或主播音色的场景。复刻成功后，WebUI 会把新 voice 应用到当前视频创作流程。

常见问题

生成模型不可选

说明当前后端没有暴露对应模型。检查启动命令中的 --backend、--model，确认 OmniRT / local runtime 是否已启动，也可以先访问 /models 查看 connected 状态。

上传音频后生成失败

检查音频格式、文件大小和服务端日志。若不确定是不是音频问题，先换一段 3-5 秒的 wav 文件验证。

文本合成试听失败

检查 TTS Provider Key、voice 标识和网络访问。云端 TTS 失败通常不会进入 talking-head 生成阶段。

生成后右侧没有预览

先看页面错误提示，再检查 API 日志。生成成功但无法播放时，确认浏览器支持返回视频的编码格式。