做数字人最常见的一句抱怨是「不像我」。绝大多数情况不是算法不行，而是拍摄素材不达标。
克隆模型是从你给的素材里学特征的。素材里有什么，它就学什么；素材里缺什么，它就只能猜。
一、拍摄前：三个必须确认的条件
光线均匀。最理想是正面柔光，脸上没有明显阴影。窗边自然光可以用，但要避开侧光和逆光——一侧脸亮一侧脸暗，克隆出来的形象会一直带着这个阴影。
背景干净。纯色墙最好，浅灰、米白都行。背景里不要有移动的东西、不要有文字、不要有强反光。背景越简单，后期换背景越干净。
环境安静。如果要同时克隆声音，必须没有回声、没有空调声、没有键盘声。房间小的话，衣柜前、床边（有织物吸音）比空房间好。
二、拍摄中：机位与姿态的硬指标
机位平视。镜头高度与眼睛齐平。仰拍会显得鼻孔大、下巴短，俯拍会显得额头大——这两种机位克隆出来的形象都不自然。
距离适中。半身构图，头顶留一点空间，肩膀完整入画。太近脸部变形，太远细节不够。
姿态稳定。坐下，背靠椅背，肩膀放松。录制全程不要前后晃、不要频繁转头。轻微的自然呼吸和眨眼是好的，大幅动作会让模型学乱。
表情自然。不要刻意微笑，也不要完全面无表情。想象你在跟一个熟人正常讲话。
三、录制：说什么、录多久
时长3–5 分钟足够，不需要更长。内容要求：
- 正常语速，不要刻意放慢或加快
- 覆盖尽量多的音素（普通话的声母韵母组合），念一段新闻稿或产品介绍都可以
- 口型要清楚，但不要夸张——夸张的口型克隆出来会很怪
- 中途不要停、不要笑场、不要看手机
分辨率建议 1080P，帧率 30fps，横屏竖屏按你的主要发布平台选。
四、导入与训练
素材导入软件后，通常要经历三步：人脸检测、特征提取、模型训练。前两步很快，训练视显卡而定，一般几分钟到半小时。
训练完成后第一件事是试生成一段，不要直接批量做。试的时候重点看三处：
口型对不对。念「八百标兵奔北坡」这种绕口令，看 b、p、m 的口型有没有对上。对不上说明音频质量或对齐有问题。
牙齿和舌头。张嘴时牙齿是否自然、舌头有没有糊成一团。这两处是最容易露馅的地方。
边缘。脸和脖子、脸和头发交界处有没有闪烁或毛边。有的话通常是拍摄时光线不均。
五、不满意怎么补救
如果试生成效果差，按这个顺序排查：
- 先看原素材。把录制视频放慢看，脸上有没有阴影、背景有没有杂物、有没有突然的动作。
- 换一段素材。同一人换不同光线重录一次，对比效果。
- 检查音频。如果有杂音或回声，声音模型也会跟着差。
- 最后才怀疑算法。换工具对比，如果两个工具都不像，那就是素材问题。
六、长期维护：形象会「过时」
人的发型、体重、皮肤状态会变。数字人形象克隆一次可以用很久，但如果你换了发型、胖了瘦了，屏幕上的形象和真人差距会越来越大。
建议每 6–12 个月重录一次，或者在形象变化明显时重做。成本很低（就 3 分钟），但对「像不像」的影响很大。
七、拍摄清单（可直接照着做）
- ☐ 纯色背景，无杂物、无反光
- ☐ 正面柔光，脸上无明显阴影
- ☐ 安静环境，无回声无杂音
- ☐ 镜头平视，半身构图，肩膀完整
- ☐ 坐姿稳定，不晃动
- ☐ 表情自然，不刻意
- ☐ 3–5 分钟，正常语速，口型清楚
- ☐ 1080P / 30fps
照着这份清单录，一次成功的概率在九成以上。具体用哪个工具做克隆、各家的操作差异，可以看数字人直播分类，或者先走一遍完整的使用教程。
延伸阅读：无人直播会被封号吗？平台到底在查什么，7 条自查清单
延伸阅读：2026年十大数字人直播软件推荐：实测对比，别再乱买了
想快速上手？查看全部 68 款工具，或直接用 平头哥数字人工作站。