制作长时长数字人视频 —— Kling Avatar
将一张图片和语音音轨转化为最长 60 秒富有表现力、可广播的数字人视频 —— 由快手的 Kling 模型驱动。
Kling Avatar 能做什么
最长 60 秒片段
单次渲染生成长时长数字人视频 —— 适合完整独白和广告脚本。
单图数字人
提供一张参考图片，Kling 将其动画化为保持身份一致的说话角色。
音频驱动表演
唇形同步、表情和头部动作直接由您语音音轨的语调驱动。
多格式宽高比
渲染 9:16 用于短视频，1:1 用于信息流，16:9 用于 YouTube 和网页。
标准和 Pro 模式
选择更快的标准模式，或在需要最高画质时选择 Popcraft 上的 Pro 模式。
多语言输入
使用任何语音音轨驱动表演 —— Popcraft 将其与 70+ 种语言的 ElevenLabs TTS 配合使用。
为真正的创作者打造
长时长讲解和 UGC 广告
录制 60 秒的数字人代言人推介，用于效果广告、落地页和课程预告 —— 无需实拍。
虚拟主持人和新闻播报
从一张参考图片和一份脚本制作品牌主播播报、内部公告和每周更新视频。
本地化创作者内容
克隆创作者形象并用多种语言重新发布视频 —— 将 Kling Avatar 与多语言 TTS 配合使用实现即时市场拓展。
在线教育和培训模块
制作完整课时的说话头像片段，让讲师在整个课程库中保持视觉一致性。
技术参数
- 供应商
- Kuaishou (Kling)
- 输入类型
- 肖像图片 + 音频
- 支持的图片格式
- JPG / JPEG / PNG / WebP
- 支持的音频格式
- MP3 / WAV / M4A / AAC
- 宽高比
- 9:16, 16:9, 1:1
- 最短时长
- 2 秒
- 最长时长
- 60 秒
- 画质模式
- Standard, Pro
- 输出格式
- MP4（同步音频）
Popcraft 如何使用 Kling Avatar
Kling Avatar 是 Popcraft 角色工作室中的长时长说话视频选项，与 OmniHuman 1.5 并列。上传一张肖像照，附上最长 60 秒的语音音轨，选择 9:16、16:9 或 1:1，以及标准或 Pro 模式。Popcraft 通过 Batch AI 网关路由任务，通过 SSE 推流进度，并将渲染的 MP4 放入您的数字人项目。您可以导出、分享到项目画廊，或将片段拼接到 Remotion 时间线上，与音效和 BGM 一起使用。
常见问题
Kling Avatar 是快手推出的长时长说话头像视频模型。它将一张参考图片动画化为由音频驱动的说话角色，可生成最长 60 秒的同步唇形和富有表现力的表演。
您提供一张肖像照和一段语音录音。模型读取音频的节奏、语调和情感，然后生成视频，其中参考角色与音频同步说话。Popcraft 处理路由、轮询和成品 MP4 的交付。
Popcraft 免费套餐包含可用于 Kling Avatar 的积分。更长的片段和 Pro 模式渲染消耗更多积分，付费计划或充值可扩展您的月度额度。
Popcraft 付费计划授予您渲染数字人视频的商业使用权。您仍需获得参考图片中真实人物的使用许可 —— 切勿在未经同意的情况下生成他人的说话头像视频。
在 Popcraft 上每次渲染 2 到 60 秒。需要更长内容时，可在 Remotion 时间线上串联多个片段，或在 AI Agent 流程中拼接场景。
两者都可以从一张肖像照和音频生成说话头像视频。Kling Avatar 针对最长 60 秒的较长片段进行了优化，并提供 Standard 和 Pro 画质模式。OmniHuman 1.5 在 1080p 下最长 30 秒，并增加了多人场景的遮罩支持。
打开角色页面，选择 Kling Avatar，上传肖像照，附上音频，选择宽高比和画质模式，提交即可。进度实时推流，渲染的视频保存到您的画廊和素材库。
继续探索
相关模型
在 Popcraft 上使用 OmniHuman 1.5 将一张肖像照和音频转为逼真的说话视频。1080p 唇形同步、9:16/16:9/1:1，最长 30 秒。
Seedance 2.5 单次任务最长可生成 30 秒视频，支持最多 50 个参考素材、可控视频编辑、高保真时序延展，宽高比支持 0.4 至 2.5，原生支持 10 种以上语言输入提示词。现已在 Popcraft 上线。
MiniMax H3 生成 24fps 的 2K 视频，并同步配有立体声声纹——音效、环境音和对话一次完成。单提示词多镜头切换，5 至 15 秒，支持首尾帧控制。Popcraft 现已上线。
在 Popcraft 上使用 Seedance 2.0，从文本、图片或片段生成电影级 4K 视频。原生同步音频、多镜头序列，以及最高 4K (2160p) 的极致清晰细节。