FIGOMOSS / 产品指南
口型数字人是什么？照片制作、语音驱动与接入流程
口型数字人是根据输入音频呈现口部动作的数字形象。它负责可见的说话呈现，不等同于声音克隆或对话模型；在 FigoMoss 中，这些能力可以分别管理，再组合成可交流的数字人应用。
口型、声音与回答内容分别由什么决定？
形象资产决定人物外观，语音合成使用声音资产把文字转换为音频，口型呈现由输入音频驱动。角色资料和知识库则影响回答内容与表达方式。把四者区分清楚，才能在制作效果、音色和业务准确性之间分别调试。
已有语音链路的软件可以只接入口型能力；需要完整问答体验的业务，可以同时配置声音、人设、知识库和对话应用。实际可用能力由空间授权与应用版本决定。
制作口型数字人需要怎样的照片？
照片应清楚展示一个主体，正面朝向、头部自然端正，完整保留头发、头部和双肩，人物周围留有余量。均匀光线、嘴部无遮挡和简洁服装有助于后续制作。真人素材需要具备使用授权并符合提交要求。
- 支持 JPG 或不透明 PNG，训练照片最大 5 MiB。
- 短边至少 340 像素，推荐使用 1080 像素以上素材。
- 避免多人、侧脸、手部遮挡、模糊、强反光和复杂服装纹理。
从照片提交到可以对话，需要哪些步骤？
先上传照片并完成授权确认，再查看 AI 质检结果。需要时可选择照片微调或 AI 重绘，将候选图重新检查，并由用户决定提交哪个版本。平台收到请求后安排制作，完成后再提供预览、验收和发布。
照片优化、数字人制作与语音会话是不同阶段。照片检查通过不代表最终制作必然成功，也不意味着提交后立即可用。完成制作后，还需要绑定声音与应用并在实际设备上测试播放、口型和会话释放。
关于口型数字人的常见问题
上传照片后会立即得到数字人吗？
不会立即交付。照片先经过 AI 质检，用户可选择微调、重绘或保留原图，然后提交制作队列。平台安排制作，完成后提供预览和验收；质检通过不等于最终效果保证。
有口型数字人就一定能回答业务问题吗？
不一定。口型主要负责形象呈现。要回答具体业务问题，还需要配置对话、人设及合适的知识资料，并测试实际回答。
把资料与能力用在自己的业务里
创建工作空间，准备已获授权的素材和业务知识，再选择工作台、网站 Widget 或开放平台接入。套餐、额度和实际可用功能以工作台为准。