即梦AI数字人动物也能生成吗？

想让一只卡通小猫对着镜头说句欢迎词，不一定要先把它换成人物形象。即梦同源数字人模型 OmniHuman1.5 的官方说明包含宠物、真实动物和卡通角色，这意味着动物形象也在其技术支持范围内。不过，这指的是底层模型的能力，具体到即梦平台的每个账号或每个功能入口，选项可能有所不同。下面以一张卡通小猫图片和一段欢迎语音频为例，说明该怎样准备素材并检查最终效果。

即梦卡通小猫数字人视频效果示意

1. 先确认是音频驱动，而不是普通图片生成

要得到的是“小猫跟着欢迎语表演”的视频，而不只是另一张静态猫咪图片。在开始操作前，先查看所用数字人功能入口的说明，确认它同时接收图片和音频文件，并核对当前模式是否明确支持动物主体。

普通的文生图功能只负责生成画面，普通的图生视频功能也不能直接等同于按音频对口型。官方明确支持动物的是即梦同源 OmniHuman1.5 模型。需要注意的是，火山引擎的模型文档与即梦面向普通用户的产品页面并非同一个操作界面，不能直接把 API 参数名称当作即梦网页上的按钮名称。

如果当前入口只接受真人肖像，或者没有关于动物能力的说明，就不要强行套用这条流程，也不要为了寻找一个不存在的按钮而随意购买服务。

1. 先确认是音频驱动，而不是普通图片生成

2. 准备同一只小猫的清晰图片

选一张自己制作或已获得使用许可的小猫图片，作为本次视频的主体。为了方便检查结果，建议优先使用单只小猫、面部特征较清楚的画面。这是一种降低观察难度的做法，并不代表系统只能处理单主体图片。

选择面部清晰的卡通小猫图片作为主体

不要同时准备几张长相不同的小猫，又期望系统自动认定它们是同一角色。此处的起点是一张图片加一段音频，而不是先建立一个能用于所有镜头的三维动物模型。上传后，务必核对预览窗口里显示的是否为选中的那张图片，尤其留意脸部是否被裁掉、主体是否被误选。

3. 配上欢迎语，动作描述保持简单

为这只小猫准备一段自己录制或有授权的欢迎语，例如“欢迎来到我的小屋，今天一起听个故事吧”。先播放音频，确认内容完整、声音清晰，再按当前入口提示选择文件。具体的文件格式、大小和时长限制，应以该功能入口的实际要求为准，不要把企业级 API 的限制直接套用到所有客户端上。

上传欢迎语音频并输入简单动作描述

如果所用模式提供动作提示词输入框，可以从“小猫看着镜头说话，轻轻点头”这样简单的描述开始。图片已经交代的毛色、背景不必反复堆砌文字，先让讲话主体与动作目标明确即可。复杂的跑跳、频繁转身或多个角色一起说话会增加检查难度，不适合作为第一次验证的目标。

4. 检查是否真的得到动物数字人效果

结果生成后，沿用原来的欢迎语逐段播放，重点检查发声时小猫的嘴部和头部动作是否有对应变化，停顿时是否自然，以及耳朵、眼睛和身体有没有出现明显变形。

逐段播放检查小猫嘴部与语音的同步情况

不要只凭第一帧像小猫，就判定整段视频已经合格。模型支持动物，不代表任何照片都能稳定生成理想效果，也不意味着每次结果都完全相同。如果只是画面在晃动，嘴部开合与语音节奏没有明显关系，应先核对使用的模式和素材质量，而不是认定已经实现了对口型。

确认效果可用后，再按产品提供的保存方式保留成片，并妥善保留原图与音频文件，便于以后核对或进行二次修改。