SELF-HOSTED H3 / PORTRAIT TO MOTION

让一张人物照，
真正开口说话。

上传授权人物照片、场景和驱动音频，由自建 H3 直接生成自然口播短片。人物身份、音色与口型在同一条工作流里锁定。

自建 GPU 节点原声音频驱动单段 5–15 秒

01 / CREATE

创建口播短片

H3 DIRECT

IDEA → STORYBOARD

一句话扩写文案

先编排，再生成

表达语气目标时长

人物参考正脸、半身或全身清晰照

点击或拖入人物照片 JPG / PNG / WEBP，最大 15 MB

场景参考可选

加入场景图 不传则自动构建环境

驱动音频

上传一条人声 MP3 / WAV / M4A，最大 40 MB

抖音原片参考复刻模式必传同时注入原片的机位、构图、动作和节奏

加入要对标的抖音原片 MP4 / MOV / WebM，最大 100 MB；未上传时无法提交复刻任务

画面内容描述人物动作、环境和情绪

画面风格画幅单段时长 8 秒 5s10s15s 生成质量

固定 seed 可选

同一人物、音频、提示词和 seed 可用于复现对比；留空时自动生成并记录。

任务会进入单机队列；生成期间可离开页面，完成后回来预览和下载。

03 / QUALITY CHECK

人物、原片与 H3 成片

优先展示真正注入原片参考的已完成任务；三栏并排核对人物、动作节奏与最终画面。

首条成片完成后自动展示 这里会同时显示人物参考图、抖音原片和可播放的 H3 成片。

04 / CAST LIBRARY

人物模板库

保存经过授权的人物形象，下次无需重复上传。0 / 30

上传人物图后，可在创作区一键存为模板。

PIPELINE

不是拼接，是一次连续生成

锁定参考

人物图、场景图与驱动音频同时注入 H3，减少跨段换脸和接缝。

原声驱动

H3 直接读取上传音频，语速、停顿和音色随素材进入口型生成。

持久队列

任务落盘保存，刷新页面或服务短暂重启后仍能继续查看结果。