D-ID AI 视频生成器
D-ID（d-id.com）是对口型数字人工作室。官方 FAQ：Creative Reality™ Studio 把主播照片、库内数字人或生成的脸变成会念打字稿或上传声轨的 MP4。输出上限 5 分钟。标准主播最高 1280×1280；HQ 主播在 Trial、Pro、Advanced 和 Enterprise 为 1080p。ImgToVid 不跑 D-ID。本页生成器打开 Talking Avatar——OmniHuman 1.5：一张静帧加一条声轨，最短 3 秒。
01 — 核心能力
会说话的照片，不是 8 秒文生模型
公开的 D-ID 页面卖面部动画。时长和画面数字是工作室规则。本页能用的按钮是另一条会说话的静帧活。
01
照片、库内数字人或生成的脸
FAQ：选主播、上传 JPEG/PNG（10 MB，脸至少 200×200），或生成一张脸。画布可以是宽、方或竖。嘴型由脚本、上传或克隆驱动——不是空白文生视频提示词。
02
五分钟，工作室就停
FAQ：Creative Reality Studio 和 API 把输出上限写成 5 分钟。音频上传 10 MB，同样 5 分钟天花板，格式 MP3、FLAC、M4A、MP4 或 WAV。1 积分写成最多 15 秒视频。
03
1280×1280，HQ 则 1080p
标准 AI Presenter：所有方案最高 1280×1280。Premium HQ：Trial、Pro、Advanced 和 Enterprise 为 1080p——Lite 没有。输出是 MP4。水印一直在；Enterprise 能自定义，不能去掉。
04
本页跑 Talking Avatar
OmniHuman 1.5 吃首帧照片和声轨。时长跟音频走，最短 3 秒。积分是音频每秒 20。它打不开 D-ID 工作室，也不吃打字的 D-ID 脚本。
02 — 提示词与成片
与上方片段对应的提示词
每条提示词描述卡片上的画面。“使用此提示词”仍会进入 Create。Talking Avatar 需要静帧和音频；它不会把这条提示词当 OmniHuman 输入。
- 01 · 人像
提示词卷发年轻男子特写，灰色针织衫，柔和窗光。他先看向一旁，再微笑。缓慢推进，浅景深。
- 02 · 产品
提示词白色皮革运动鞋放在浅灰摄影棚背景上，柔和散射光。镜头缓慢环绕。缝线清晰，造型保持极简。
- 03 · 街道
提示词镜头沿欧洲老村庄的石板巷缓慢推进。石墙上攀着玫瑰，晨光下的咖啡座，远处有几个人走过。
- 04 · 角色
提示词齐肩棕发年轻女子，橄榄色 T 恤，傍晚金色光线。她转头看向画外。发丝被风吹起，手持摄影的感觉。
03 — 适用场景
会说话的照片工作室在卖的活
公开的 D-ID 文案指向一张要开口的脸。本页能跑的路径也是一张要开口的静帧——换了引擎。
一张要念稿的头像照
那是 Creative Reality 的活：主播加打字稿或上传，最长 5 分钟，119 种语言。ImgToVid 不跑那个工作室。
一张必须在这里开口的肖像
用本页的 Talking Avatar。上传照片和至少 3 秒的台词。嘴型跟声轨走。
实时代理或翻译片段
D-ID 也卖 Agents（对着上传文档聊天）和 Video Translate（10 秒到 5 分钟，最大 2 GB）。那些产品留在 d-id.com。
只有一句提示词的镜头
D-ID 和 Talking Avatar 都需要一张脸。只有句子时去 Seedance 写镜头。
04 — 评价
D-ID 实际是什么
优势
- 官方：照片加脚本或音频，MP4 最长 5 分钟
- 标准最高 1280×1280；HQ 1080p
- 119 种语言；画布宽、方或竖
- 本页能生成：Talking Avatar，OmniHuman 1.5
取舍
- ImgToVid 没有接入 D-ID 本身
- 工作室水印不能完全去掉
- Talking Avatar 要声轨文件，不是 D-ID 脚本框
- 现行路径的积分随音频长度增加
05 — 横向对比
D-ID、Veo 3.1 和 Kling 4.0
D-ID 是对口型数字人工作室。下面 Veo 3.1 和 Kling 4.0 的数字来自那些厂商的公开文档——它们是单镜生成器，不是 5 分钟主播导出。
06 — 使用步骤
在 ImgToVid 开始一张会说话的静帧
步骤 1
接受 Talking Avatar
跑起来的不会是 D-ID。生成器从 OmniHuman 1.5 开始。
步骤 2
加上静帧和声轨
先照片，音频至少 3 秒。只有提示词开不了这个系列。
步骤 3
在 Create 里生成
会员和积分在那里检查。回到这里不会把运行切成 D-ID 工作室。
07 — 版本
本页实际打开的系列
一个 Create 系列。目录名是 D-ID；跑起来的是 Talking Avatar。
08 — 常见问题
D-ID，说清楚
D-ID 是什么？
D-ID 是对口型数字人公司。d-id.com 上的 Creative Reality™ Studio 让主播照片按打字稿或上传声轨开口，输出 MP4，最长 5 分钟。同一站点也卖 Agents、Video Translate 和 API。ImgToVid 不托管 D-ID。
能在 ImgToVid 上生成 D-ID 吗？
不能。本页生成器跑 Talking Avatar（OmniHuman 1.5），让静帧跟着音频动。你需要照片和至少 3 秒声轨。
D-ID 片段有多长？
D-ID 的 FAQ 把 Creative Reality Studio 和 API 上限写成 5 分钟。音频上传共用这个天花板。本页 Talking Avatar 的时长跟你的音频走，从 3 秒起。
它会生成音频吗？
在 D-ID 上：打字稿（语音合成）、上传录音，或在列出的方案里克隆声音。工作室 FAQ 写 119 种语言。本页 Talking Avatar 不会编音频——你上传声轨。
能导出多大画面？
D-ID FAQ：标准主播最高 1280×1280；HQ 主播 1080p，Lite 除外。画布：宽、方或竖。本页 Talking Avatar 不发布 D-ID 像素阶梯。
结果能商用吗？
在 ImgToVid 上生成的内容能否商用取决于你的套餐。发布前请查看 Pricing 和 Terms，并确保提示词和上传不侵犯他人权利。
09 — 更多模型
