AI数字人克隆采集规范分享！

数字人直播的时代已经来临，使用青否数字人SaaS系统数字人源码：zhibo175）去生成数字人，那如何能得到自己想要的效果呢？需要注意一下几点：

一.摄影棚灯光方案

中型(15m2左右)摄影棚?

适用于美妆/珠宝等直播，近距离细节展示，高色彩还原度?

?

?

大型(20m2左右)站播适用?

适用于服装鞋帽/家居等，主播站立演示穿搭/使用效果的场景?

?

?

二.数字人克隆?-?视频采集规范

训练素材录制要求

1、视频时长：训练素材要求5-10分钟；

2、拍摄要求：推荐直接用剪映录制，如果用相机更好；分辨率要求?>=?1080*1920（推荐分辨率为4K），fps不能低于25帧；拍摄主要影响因素是噪音，其次是灯光。

3、噪音：录制时要求环境安静不能有噪音，爆音，回音，最好选择安静的环境拍摄，有降噪麦克风。

4、灯光：灯光要求保证人物脸部，嘴巴，牙齿等五官细节清晰可见，光线均匀，无阴影。

5、视频画面：人物头像不能超过屏幕1/3，人脸尺寸大于300*300px；录制时推荐绿幕背景，后期可以更换各种背景；绿幕平整无褶皱，人距离绿幕2米远。

6、口播内容：内容不限，推荐选模特熟悉的内容，准备6000字文稿；讲的过程说错也没关系，继续讲就可以；千万不要一直说重复的内容。

7、服饰妆造注意事项：避免反光材质衣物；避免半透丝纱材质衣物；避免蕾丝材质的衣物；避免与绿幕相近的衣物以及绿色元素；

首饰：避免佩戴宽松易滑动晃动的首饰，比如项链、容易晃动的耳环（耳钉是可以的）、带链子的眼镜；

妆发：妆容自然得体，头发整理好避免出现散发碎发以及发缝；

8、人物动作：动作自然，与应用场景匹配；动作尽量通用，避免指向性动作；手不挡脸，抬手不过肩；表情动作自然，避免大角度侧脸；避免身体晃动，避免大幅度和迅速的动作；口播时，嘴巴注意张开，口齿清晰，发音标准，说话速度不能太快；避免舔嘴，吞咽，撅嘴，皱眉，摸头，摸脸等小动作。

9、其他注意事项：人物面部不能有遮挡，灯光要求脸部轮廓，牙齿嘴唇清晰可见；人物不能过分瘦脸，美白，可能造成轮廓不清晰。

推理素材录制要求:

1. 拍摄要求同训练视频一致；
2. 素材要求20-30s；
3. 录制过程中全程静默，不说话，前5s不动，中间做通用手势，肢体动作，表情动作自然，后5s不动。

三.声音克隆?-?音频采集规范：

1、音频时长：有效音频时长20分钟，如果带口音，音频建议不少于30分钟；

2、录音准备

根据不同使用需求，准备5000字左右的文本内容，内容和应用场景（朗读、直播、日常讲话等）语境相符；

3、录音环境：录音环境安静，环境底噪小于40dB，可使用“分贝仪”APP测试录音环境底噪；

录制时保持无回音、无混响、无噪声等；

4、录音设备及录音参数：录音设备推荐降噪麦克风/小蜜蜂，条件允许建议使用防风棉衣或防喷罩；推荐使用48kHz采样率录制音频；推荐无损音质格式保存音频，如:?wav、?fiv、m4a，不能使用压缩格式保存音频，如:mp3；

5、录音人：录音人不宜离麦太近，防止喷麦和录入呼吸声连贯说完一句话；发音清晰、吐字清楚，句与句之间断句清楚；

句与句之间停顿1～2秒；保持语境风格一致，避免多种情绪混杂。

按照以上要求去拍摄和录制，上传到青否数字人SaaS系统后台，生成数字人即可。