如果您的數位化身看起來不自然，不要從重新執行整個剪輯開始。 找到首先打破的圖層：面部源、語音效能、操作提示或編輯上下文。 然後更改一個輸入並測試一條短線。
大多數弱頭像影片都會失敗，因為一個訊號與其他訊號衝突。 平靜的肖像與興奮的聲音配對。 側角影象試圖提供直接到相機的指令碼。 動作提示要求表達太多。 修復不是「讓它更現實」。 修復方法是讓每個輸入都要求相同的效能。
從第一個壞幀開始
在更改任何內容之前，請在三次透過中觀看原始匯出。
- 用聲音正常播放片段。
- 靜音播放，只看臉。
- 不用看頭像就聽音訊。
寫下感覺不對的第一個時刻。 不要一下子判斷整個剪輯。 第一個錯誤幀通常會告訴您哪個輸入導致了問題。
如果臉在靜音時發生變化，請從源影象開始。 如果臉看起來很好，但聲音聽起來很假，請從聲音和節奏開始。 如果頭像移動太多，請從操作提示開始。 如果頭像在短部分看起來不錯，但在最終編輯中卻很奇怪，請修復編輯上下文。
在構建下一個版本之前，要獲得更廣泛的工具圖， DomoAI指南 可以幫助您選擇哪個建立工具屬於工作流程的每個部分。
將問題對映到一個輸入
在重新生成之前，請使用此表格。
| # | 有什麼感覺不對 | 可能的層 | 先修復 |
|---|---|---|---|
| 1 | 臉型變化，身份漂移，或者嘴巴看起來不清楚 | 來源臉 | 使用更清晰的肖像、更安全的裁剪和更易讀的嘴區域 |
| 2 | 聲音感覺與角色脫節 | 語音表演 | 改變聲音、節奏、情緒或指令碼長度 |
| 3 | 頭腦和表情感覺太忙或太僵硬 | 行動提示 | 刪除多餘的手勢，並保留一個可見的動作 |
| 4 | 只有在最後的影片中，剪輯才會感覺是假的 | 編輯上下文 | 新增截斷、字幕或較短的演講者鏡頭 |
不要同時修復所有四個。 新的肖像、新的聲音、新的提示和新的裁剪可能會改善剪輯，但你不會知道哪個變化很重要。
當兩個圖層看起來可疑時，請使用此規則：修復離第一個可見故障最近的圖層。
如果在第一個單詞之前臉部看起來不對，請修復影象。 如果第一個表達方式有效，但說話感覺很奇怪，請糾正聲音。 如果聲音本身聽起來正確，但臉部過度，請修復操作提示。 如果原始匯出看起來不錯，但最終的社交編輯感覺是假的，請修復編輯。
這個訂單讓測試價格便宜。 你花最少的時間在最有可能解釋觀眾首先看到的變化上。
1. 來源問題：臉或嘴很難讀懂
源影象為模型提供了面部角度、嘴巴形狀、凝視、照明和身份。 弱影象為之後的每一幀都會產生弱證據。
先修復： 在更改指令碼、語音或操作提示之前，先替換或修復源肖像。
從一張有一張可見的臉、清晰的下臉和均勻光線的肖像開始。 嘴巴應該自然休息。 眼睛應該指向適合場景的方向。 在頭部和肩部周圍留出足夠的空間，以便進行小動作。
避免嘴巴有濃重的陰影、強烈的側角、小臉、靠近嘴唇的手、麥克風遮住下巴、頭髮穿過臉部。 這些細節在靜止影象中可能看起來很時尚，但它們可能會使移動結果感覺不穩定。
更大的檔案並不能解決隱藏的嘴。 升級可以銳化邊緣，但它不能揭示源中從未出現過的唇部細節。 如果嘴巴位於陰影中或道具後面，請選擇其他影象。
如果肖像接近但尚未準備好，請使用 多模型圖片生成與編輯 解決一個視覺問題。 清理背景，擴大作物，或清除障礙物。 在診斷測試期間，不要重新設計整個字元。
對於動漫和插圖頭像來說，可讀性比現實主義更重要。 保持嘴角清晰，眼睛穩定，臉部比例一致。 當效能與設計相匹配時，風格化的角色仍然可以感覺自然。
建立新源影象時，請在動畫前製作兩個版本：乾淨的中性肖像和略顯富有表現力的肖像。 先測試中性的那個。 如果中性結果感覺太平淡，請用相同的音訊和提示測試表達版本。
這為您提供了可控的比較。 當源影象已經包含衝突的表示式時，它還會阻止您指責模型。
2. 語音問題：音訊與字元不匹配
當聲音不合適時，看起來很自然的肖像仍然會感覺很假。 觀眾將臉部和聲音解讀為一種表演。
先修復： 讓臺詞聽起來像角色在那個場景中實際上可以說的話。
單獨聆聽音訊，並提出五個問題：
- 節奏聽起來像真正的演講嗎？
- 停頓會落在一個人可以呼吸的地方嗎？
- 情感與肖像相符嗎？
- 名字、數字和縮寫容易聽嗎？
- 聲音是否適合頭像的角色？
寫作是為了演講，而不是為了報告。 縮短長句子。 刪除堆疊的子句。 每一次呼吸都放一個想法。 如果一行在頁面上看起來很優雅，但大聲聽起來很僵硬，請重寫。
如果您需要生成的旁白，請用 DomoAI文字轉語音。 使用一個清晰的心情。 情緒標籤可以有所幫助，但混合方向可能會使表現感覺不一致。
如果您上傳音訊，請使用清晰的語音或語音音訊。 消除噪音、回聲、剪下的峰值和意外的沉默。 如果剪輯需要音樂，請在CapCut、Premiere Pro、DaVinci Resolve或其他編輯器中匯出後新增音樂。 從聲音中生成頭像，而不是從完整的混合軌道中生成。
3. 行動提示問題：阿凡達過度表演或凍結
操作提示應該描述檢視者可以看到的內容。 它不應該要求頭像同時表現出五種不同的情緒。
先修復： 用一個定時提示要求一個可見的動作。
弱提示：
富有表現力、興奮、專業、自然、友好、自信和吸引人。
更好的提示：
冷靜的演講者，直接的眼神接觸，放鬆的臉，第一句話後微微點頭，最後溫柔的微笑。
第二個提示效果更好，因為它為頭像提供了一個可見的計劃。 它命名了心情、手勢和時刻。
根據問題使用其中一項：
| 可見的問題 | 提示測試 |
|---|---|
| 點頭太多 | 直接眼神接觸，放鬆的臉，儘量減少頭部運動，最後一句話後微微點頭。 |
| 微笑感覺不對 | 中立的演講者，表情柔和，沒有燦爛的笑容，在停頓時微微眨眼。 |
| 角色感覺被凍住了 | 友好的主持人，微妙的眨眼，在問題上微微傾斜頭部，最後微微點頭。 |
| 情緒變化太大 | 表情平靜，沒有驚訝的反應，沒有大手勢，只有在回答後才會露出柔和的微笑。 |
在測試這些提示時，保持縱向和音訊不變。 僅更改提示強度。
4. 編輯上下文問題：原始剪輯有效，但最終影片感覺是假的
數位化身不需要每秒都攜帶。 使用頭像幫助臉部，然後切入證明。
先修復： 縮短可見頭像部分或用另一個視覺層來支援它。
好的截斷包括：
- 產品鏡頭
- 螢幕錄影
- 標題和關鍵詞
- 圖表
- 前後圖片
- B-捲
- 報價卡
使用頭像進行鉤子、設定、過渡和最終動作。 使用其他視覺效果進行詳細的證明。 這讓臉部在螢幕上坐的時間太長，以至於微小的人工製品會分散注意力。
編輯還允許您隱藏一個薄弱的句子，替換一個簡短的部分，或在匯出後新增音樂。 將頭像視為影片中的一個圖層，而不是整個影片。
執行十二秒的維修測試
完整的影片隱藏了原因。 一個簡短的測試揭示了它。
構建一個12秒的測試，有一個困難的短語，一個自然的停頓和一個清晰的結尾。 每次使用相同的肖像。
指令碼：
今天，我們正在測試一個更平靜的頭像交付。 在這裡暫停一個節拍。 現在觀看最後的表達。
行動提示：
友好的演講者，直接的眼神接觸，放鬆的臉，第一句小腦袋傾斜，停頓時保持不動，最後溫柔的微笑。
執行測試 DomoAI 數位化身。 用單個更改的輸入來命名每個版本：
肖像A_聲音-原始_提示-低_v01
肖像A_聲音-慢_提示-低_v02
肖像A_聲音-慢_提示-靜止_v03
僅回顧四個時刻：
- 第一個表達
- 第一個難懂的單詞
- 安靜的停頓
- 最後的表達
如果版本二改進了面部和時機，語音節奏可能會有所幫助。 如果版本三只改進了暫停，操作提示有幫助。 這就是測試的重點。 它把模糊的反應變成了明確的下一步行動。
在擴充套件指令碼之前儲存獲勝的輸入。 將源肖像、語音和操作提示放在一個專案備註中。 如果您稍後更改了所有三個，您將失去使簡短測試發揮作用的基線。
在你保留結果之前得分
每次簡短測試後使用此記分卡。 標記每行「透過」、「稽核」或「失敗」。
| 檢查 | 透過條件 | 如果它失敗了 |
|---|---|---|
| 身分 | 臉仍然可辨認 | 使用更清晰的影象或更安全的裁剪 |
| 嘴 | 嘴唇和下巴保持可讀性 | 使用中性口和更好的照明 |
| 聲音 | 節奏和心情適合臉部 | 重寫臺詞或更改語音設定 |
| 暫停 | 當說話停止時，臉就平靜下來了 | 檢查音訊靜音和提示強度 |
| 動作 | 手勢支援句子 | 移除額外操作 |
| 編輯 | 頭像只出現在有用的地方 | 新增切口或縮短鏡頭 |
修復第一個失敗。 在主要故障消失之前，不要追逐每個審查專案。
如果一切都值得回顧，而沒有什麼值得失敗，那麼剪輯可能已經可以使用了。 許多創作者過度拋光頭像照片，因為他們連續看了十次同一張臉。 第一次觀看的人通常會注意到資訊、剪輯和輔助視覺效果，然後才會有一個微小的表情。
使用記分卡來決定什麼必須改變，而不是永遠尋找缺點。
常見問題
升級可以修復不自然的數位化身嗎？
升級可以打磨一個好的最終拍攝，但它不能修復隱藏的嘴巴、錯誤的聲音或繁忙的提示。 先修復輸入。 然後使用 影片畫質提升工具 在選定的剪輯上。
我應該先更改提示還是源照片？
如果靜音時臉部看起來不對，請先更改源照片。 如果臉部清晰，但動作感覺太忙、太僵硬或時間不對，請先更改提示。
動漫角色看起來自然嗎？
是的。 自然不一定意味著逼真。 角色需要可讀的面部形狀、匹配的聲音能量和符合風格的剋制動作。
為什麼即使嘴巴是同步的，我的頭像看起來也是機器人？
聲音可能聽起來平淡，目光可能不適合場景，或者動作提示可能太空。 新增一個有意的表達線索，而不是詢問一般情緒。
我應該繼續重新生成，直到一個版本工作？
不。 隨機重試會隱藏原因。 更改一個輸入，執行一個簡短的測試，並保持版本名稱清晰。
進行一次受控修復
找到第一個不自然的圖層，然後用一個更改的輸入重新執行一個簡短的測試。 更好的來源、更乾淨的聲音、更平靜的動作提示或更短的編輯可以比另一個完全盲人再生更多。
