製作長時長數位人影片 —— Kling Avatar
將一張圖片和語音音軌轉化為最長 60 秒富有表現力、可廣播的數位人影片 —— 由快手的 Kling 模型驅動。
Kling Avatar 能做什麼
最長 60 秒片段
單次算繪生成長時長數位人影片 —— 適合完整獨白和廣告腳本。
單圖數位人
提供一張參考圖片，Kling 將其動畫化為保持身份一致的說話角色。
音訊驅動演出
唇形同步、表情和頭部動作直接由您語音音軌的語調驅動。
多格式寬高比
算繪 9:16 用於短影音，1:1 用於動態消息，16:9 用於 YouTube 和網頁。
Standard 和 Pro 模式
選擇更快的 Standard 模式，或在需要最高畫質時選擇 Popcraft 上的 Pro 模式。
多語言輸入
使用任何語音音軌驅動演出 —— Popcraft 將其與 70+ 種語言的 ElevenLabs TTS 配合使用。
為真正的創作者打造
長時長講解和 UGC 廣告
錄製 60 秒的數位人代言人推介，用於效果廣告、著陸頁和課程預告 —— 無需實拍。
虛擬主持人和新聞播報
從一張參考圖片和一份腳本製作品牌主播播報、內部公告和每週更新影片。
在地化創作者內容
複製創作者形象並用多種語言重新發布影片 —— 將 Kling Avatar 與多語言 TTS 配合使用實現即時市場拓展。
線上教育和培訓模組
製作完整課時的說話頭像片段，讓講師在整個課程庫中保持視覺一致性。
技術規格
- 供應商
- Kuaishou (Kling)
- 輸入類型
- 肖像圖片 + 音訊
- 支援的圖片格式
- JPG / JPEG / PNG / WebP
- 支援的音訊格式
- MP3 / WAV / M4A / AAC
- 寬高比
- 9:16, 16:9, 1:1
- 最短時長
- 2 秒
- 最長時長
- 60 秒
- 畫質模式
- Standard, Pro
- 輸出格式
- MP4（同步音訊）
Popcraft 如何使用 Kling Avatar
Kling Avatar 是 Popcraft 角色工作室中的長時長說話影片選項，與 OmniHuman 1.5 並列。上傳一張肖像照，附上最長 60 秒的語音音軌，選擇 9:16、16:9 或 1:1，以及 Standard 或 Pro 模式。Popcraft 透過 Batch AI 閘道路由任務，透過 SSE 串流進度，並將算繪的 MP4 放入您的數位人專案。您可以匯出、分享到專案藝廊，或將片段拼接到 Remotion 時間軸上，與音效和 BGM 一起使用。
常見問題
Kling Avatar 是快手推出的長時長說話頭像影片模型。它將一張參考圖片動畫化為由音訊驅動的說話角色，可生成最長 60 秒的同步唇形和富有表現力的演出。
您提供一張肖像照和一段語音錄音。模型讀取音訊的節奏、語調和情感，然後生成影片，其中參考角色與音訊同步說話。Popcraft 處理路由、輪詢和成品 MP4 的交付。
Popcraft 免費方案包含可用於 Kling Avatar 的點數。更長的片段和 Pro 模式算繪消耗更多點數，付費方案或儲值可擴展您的每月額度。
Popcraft 付費方案授予您算繪數位人影片的商業使用權。您仍需獲得參考圖片中真實人物的使用許可 —— 切勿在未經同意的情況下生成他人的說話頭像影片。
在 Popcraft 上每次算繪 2 到 60 秒。需要更長內容時，可在 Remotion 時間軸上串聯多個片段，或在 AI Agent 流程中拼接場景。
兩者都可以從一張肖像照和音訊生成說話頭像影片。Kling Avatar 針對最長 60 秒的較長片段進行了最佳化，並提供 Standard 和 Pro 畫質模式。OmniHuman 1.5 在 1080p 下最長 30 秒，並增加了多人場景的遮罩支援。
開啟角色頁面，選擇 Kling Avatar，上傳肖像照，附上音訊，選擇寬高比和畫質模式，提交即可。進度即時串流，算繪的影片儲存到您的藝廊和素材庫。
繼續探索
相關模型
在 Popcraft 上使用 OmniHuman 1.5 將一張肖像照和音訊轉為逼真的說話影片。1080p 唇形同步、9:16/16:9/1:1，最長 30 秒。
Seedance 2.5 單次任務可生成長達 30 秒的影片，支援多達 50 個參考素材、可控影片編輯、高保真時間軸延展、0.4 至 2.5 的任意長寬比，以及 10 種以上語言的原生提示詞。現已於 Popcraft 上線。
MiniMax H3 可生成 24fps 的 2K 影片並同步立體聲配樂，一次搞定特效、氛圍與對白。支援單一提示詞多鏡頭、5 至 15 秒、首末幀控制。現已在 Popcraft 上線。
在 Popcraft 上使用 Seedance 2.0，從文字、圖片或片段生成電影級 4K 影片。原生同步音訊、多鏡頭序列，以及最高 4K (2160p) 的極致清晰細節。