照片数字人限制

人像照片

制作照片数字人的人像照片拍摄要求，如下所示：

• 正面照，面部占比50%以上，侧脸俯仰不超过15度。
• 五官清晰无遮挡，目视前方。
• 良好的亮度，确保面部细节。
• 照片内不能出现多张人脸。

人像照片格式要求，如下所示：

• 支持的格式为：PNG、JPG、JPEG、WEBP。
• 大小不超过16MB。
• 分辨率最大支持1080P，如果超出，会自动缩放为1080P。

音频

音频录制要求，如下所示：

• 单声道音频。
• 清晰人声无背景音乐与杂音。

音频格式要求，如下所示：

• 支持的格式为：MP3、WAV。
• 大小不超过20MB，时长不超过5分钟。

文本驱动

文本驱动方式的要求如下所示：

• 文本输入长度不超过2000字。
• 通过文本合成的音频时长不能超过5分钟。

  在照片数字人制作页面，选择“文本驱动”方式驱动照片说话时，需要输入文本并选择音色，再单击“试听”预估音频时长。如果超过5分钟，会导致照片数字人制作失败。