D-ID AI 影片生成器
D-ID（d-id.com）是對口型數字人工作室。官方 FAQ：Creative Reality™ Studio 把主播照片、庫內數字人或生成的臉變成會念打字稿或上傳聲軌的 MP4。輸出上限 5 分鐘。標準主播最高 1280×1280；HQ 主播在 Trial、Pro、Advanced 和 Enterprise 為 1080p。ImgToVid 不跑 D-ID。本頁生成器打開 Talking Avatar——OmniHuman 1.5：一張靜幀加一條聲軌，最短 3 秒。
01 — 核心能力
會說話的照片，不是 8 秒文生模型
公開的 D-ID 頁面賣面部動畫。時長和畫面數字是工作室規則。本頁能用的按鈕是另一條會說話的靜幀活。
01
照片、庫內數字人或生成的臉
FAQ：選主播、上傳 JPEG/PNG（10 MB，臉至少 200×200），或生成一張臉。畫布可以是寬、方或直。嘴型由腳本、上傳或克隆驅動——不是空白文生影片提示詞。
02
五分鐘，工作室就停
FAQ：Creative Reality Studio 和 API 把輸出上限寫成 5 分鐘。音訊上傳 10 MB，同樣 5 分鐘天花板，格式 MP3、FLAC、M4A、MP4 或 WAV。1 積分寫成最多 15 秒影片。
03
1280×1280，HQ 則 1080p
標準 AI Presenter：所有方案最高 1280×1280。Premium HQ：Trial、Pro、Advanced 和 Enterprise 為 1080p——Lite 沒有。輸出是 MP4。浮水印一直在；Enterprise 能自訂，不能去掉。
04
本頁跑 Talking Avatar
OmniHuman 1.5 吃首幀照片和聲軌。時長跟音訊走，最短 3 秒。積分是音訊每秒 20。它打不開 D-ID 工作室，也不吃打字的 D-ID 腳本。
02 — 提示詞與成片
與上方片段對應的提示詞
每條提示詞描述卡片上的畫面。「使用此提示詞」仍會進入 Create。Talking Avatar 需要靜幀和音訊；它不會把這條提示詞當 OmniHuman 輸入。
- 01 · 人像
提示詞捲髮年輕男子特寫，灰色針織衫，柔和窗光。他先看向一旁，再微笑。緩慢推進，淺景深。
- 02 · 產品
提示詞白色皮革運動鞋放在淺灰攝影棚背景上，柔和散射光。鏡頭緩慢環繞。縫線清晰，造型保持極簡。
- 03 · 街道
提示詞鏡頭沿歐洲老村莊的石板巷緩慢推進。石牆上攀著玫瑰，晨光下的咖啡座，遠處有幾個人走過。
- 04 · 角色
提示詞齊肩棕髮年輕女子，橄欖色 T 恤，傍晚金色光線。她轉頭看向畫外。髮絲被風吹起，手持攝影的感覺。
03 — 適用場景
會說話的照片工作室在賣的活
公開的 D-ID 文案指向一張要開口的臉。本頁能跑的路徑也是一張要開口的靜幀——換了引擎。
一張要念稿的頭像照
那是 Creative Reality 的活：主播加打字稿或上傳，最長 5 分鐘，119 種語言。ImgToVid 不跑那個工作室。
一張必須在這裡開口的肖像
用本頁的 Talking Avatar。上傳照片和至少 3 秒的台詞。嘴型跟聲軌走。
即時代理或翻譯片段
D-ID 也賣 Agents（對著上傳文件聊天）和 Video Translate（10 秒到 5 分鐘，最大 2 GB）。那些產品留在 d-id.com。
只有一句提示詞的鏡頭
D-ID 和 Talking Avatar 都需要一張臉。只有句子時去 Seedance 寫鏡頭。
04 — 評價
D-ID 實際是什麼
優勢
- 官方：照片加腳本或音訊，MP4 最長 5 分鐘
- 標準最高 1280×1280；HQ 1080p
- 119 種語言；畫布寬、方或直
- 本頁能生成：Talking Avatar，OmniHuman 1.5
取捨
- ImgToVid 沒有接入 D-ID 本身
- 工作室浮水印不能完全去掉
- Talking Avatar 要聲軌檔，不是 D-ID 腳本框
- 現行路徑的積分隨音訊長度增加
05 — 橫向比較
D-ID、Veo 3.1 和 Kling 4.0
D-ID 是對口型數字人工作室。下面 Veo 3.1 和 Kling 4.0 的數字來自那些廠商的公開文件——它們是單鏡生成器，不是 5 分鐘主播匯出。
06 — 使用步驟
在 ImgToVid 開始一張會說話的靜幀
步驟 1
接受 Talking Avatar
跑起來的不會是 D-ID。生成器從 OmniHuman 1.5 開始。
步驟 2
加上靜幀和聲軌
先照片，音訊至少 3 秒。只有提示詞開不了這個系列。
步驟 3
在 Create 裡生成
會員和積分在那裡檢查。回到這裡不會把執行切成 D-ID 工作室。
07 — 版本
本頁實際打開的系列
一個 Create 系列。目錄名是 D-ID；跑起來的是 Talking Avatar。
08 — 常見問題
D-ID，說清楚
D-ID 是什麼？
D-ID 是對口型數字人公司。d-id.com 上的 Creative Reality™ Studio 讓主播照片按打字稿或上傳聲軌開口，輸出 MP4，最長 5 分鐘。同一站點也賣 Agents、Video Translate 和 API。ImgToVid 不託管 D-ID。
能在 ImgToVid 上生成 D-ID 嗎？
不能。本頁生成器跑 Talking Avatar（OmniHuman 1.5），讓靜幀跟著音訊動。你需要照片和至少 3 秒聲軌。
D-ID 片段有多長？
D-ID 的 FAQ 把 Creative Reality Studio 和 API 上限寫成 5 分鐘。音訊上傳共用這個天花板。本頁 Talking Avatar 的時長跟你的音訊走，從 3 秒起。
它會生成音訊嗎？
在 D-ID 上：打字稿（語音合成）、上傳錄音，或在列出的方案裡克隆聲音。工作室 FAQ 寫 119 種語言。本頁 Talking Avatar 不會編音訊——你上傳聲軌。
能匯出多大畫面？
D-ID FAQ：標準主播最高 1280×1280；HQ 主播 1080p，Lite 除外。畫布：寬、方或直。本頁 Talking Avatar 不發佈 D-ID 像素階梯。
結果能商用嗎？
在 ImgToVid 上生成的內容能否商用取決於你的方案。發佈前請查看 Pricing 和 Terms，並確保提示詞和上傳不侵犯他人權利。
09 — 更多模型
