准备角色图与人声驱动的表演片段

这个场景能帮你做什么

动物唱歌或虚拟角色表演，需要角色画面与音频相互配合。WorkBuddy 可以拆开角色图、干净人声、分段表演与后期混音的要求，减少用文生视频硬猜口型的返工。

开始前准备什么

提供有权使用的角色图、最终人声、伴奏、歌词或台词、目标画幅和时长。说明画面是否要唱歌、说话或做动作，以及实际可用的音频驱动服务；角色与声音授权分别确认。

具体怎么做

先核素材适配

记录角色正面程度、嘴部是否可见、遮挡和清晰度要求。没有实际图像处理能力时交图片准备说明，不声称已检查画面。

以清晰人声驱动

人声与重伴奏混在一起可能干扰驱动。能取得分轨时优先用干净人声制作口型，再把伴奏混回；分离造成缺字需要听核。

按节奏切片段

依据真实音频的句子和节拍分段，记录动作起止和情绪，避免每句都随机大动作；拼接前后保持角色、服装与镜位连续。

试做后再扩展

先确认一段复杂口型与动作能否成立，再生成其余。最终合成复核口型、节拍与声音位置，音频被移动时同步重对。

可以直接交给 WorkBuddy 的要求

请按角色图和最终音频整理表演制作包。先列角色画面与嘴部可见性要求，分开干净人声与伴奏；按真实节奏给片段、情绪和动作说明。先试一段再扩展。实际音频驱动能力不可用时仅交需求，不用文生视频猜口型，也不宣称已完成合成。

完成后会得到什么

角色图准备要求、人声与伴奏交接说明、分段表演表，以及可用服务实际生成的试片和后续成片。

结果怎么检查

人声是否被分离损坏，片段接缝是否跳音，角色是否变形或换装；实际试听播放确认口型与语音同步。

异常怎么处理

嘴部不可见或参考图不适配时先换获准素材；分轨无法取得时明确质量风险，不无限重试消耗预算。

哪些必须由人决定

创作者决定角色表现，权利人确认声音与形象使用，制作人员负责实际驱动和最终播放检查。