两种模式最后都会用音频驱动照片。区别是系统从文案生成音频，还是使用你上传的录音。
核心要点
- 快速改稿时用文字。
- 保留准确表达时上传音频。
- 剪掉过长静音。
- 长内容先做短测试。
文案还会改时，用文字模式
改完一句即可重新生成，不用每次录音，还能快速比较音色。
表达已经确定时，上传音频
录音自带节奏、发音、停顿和情绪。
上传前简单整理音频
- 剪掉首尾过长静音。
- 确保人声高于背景噪音。
- 避免爆音和失真。
- 一段尽量只有一个说话人。
常见问题
文字模式内部也会生成音频吗？
会。系统先生成语音，再把音频与人物照片一起提交生成视频。