如何用可灵AI制作多角色对口型视频？新手快速完整入门教程

最近尝试用豆包和即梦生成一段双人对话视频，口型与字幕基本同步，观感还算自然。不过细节处理仍有优化余地，比如唇形匹配精度和表情连贯性。

双人对话视频的制作逻辑，本质在于利用AI实现多人对口型——这恰好是目前AI短剧创作中公认的技术瓶颈。

近期可灵AI上线了多人对口型功能，支持用户创建包含多个人物的视频片段，制作灵活性与角色表现力明显提升。但需注意：当前版本尚不支持多段配音与多角色音轨的自动合并，仍需分角色独立生成，最后在后期剪辑中手动拼接合成。

可灵有段时间没深度使用，正好借这次新功能实测一下实际表现。

所需工具清单：豆包、即梦、可灵，以及剪映PC专业版。

1、豆包——生成多人合影

第一步，需要一张包含多个角色的图片。为降低操作门槛，这里只生成双人合影。当然也可以直接复用之前文章中那张双人对话图片，导入可灵测试效果。

最直接的方式是让豆包生成一张两人正在对话的图片。不过我采用了另一种方法：在豆包中将两张单人照片合成为一张。具体流程是，先上传两张独立人像，然后依据需求生成提示词，下面演示操作步骤。

2、即梦——生成视频素材

接下来，用上述合影分别生成两个5秒的视频片段。豆包和即梦均可完成此步骤，我选用的是即梦视频3.0模型。

关键策略：一个片段中女性微笑说话、男性微笑沉默；另一个片段则互换角色，男性说话、女性沉默。如此分角色拍摄，便于后续对口型处理。

3、豆包——生成对口型脚本

打开豆包，上传双人合影，输入提示词：根据此图片设计匹配的对话内容，以“男、女、对话”格式输出。

若结果不理想，可迭代优化。另外，建议豆包生成简洁文案——不然制作耗时且成本较高。最后像之前文章那样，整理好文案备用。

4、可灵——生成多人对口型视频

打开可灵，选择“对口型”功能。

先上传男性说话、女性沉默的片段。注意：人物1需对应男性，与视频角色匹配，然后输入文本、选择音色。时长不得超过5秒——这是最令人头疼的限制。若要制作几分钟的视频，非常考验耐心。

同理，再上传女性说话的片段，输入文案，选择人物2及对应音色。如此逐片段生成。时长不足5秒的，后续在剪映中再调整剪辑节奏。

5、剪映后期合成

打开剪映，导入所有视频片段，添加贴纸等装饰元素。通过时间线剪辑将各片段拼接，最终得到一个完整的双人对话视频。

来源：互联网