• 做数字人形象不用录视频了，一张自拍就行。语音合成参数改到生成时微调、任务调度补上兜底，也都在这一版里。

  

📷 一张照片，就是一个数字人形象

• 过去建形象要录一段 10 到 30 秒的视频： 全程正脸、光线稳定、表情别太夸张。不少人卡在第一步。现在弹窗里切到「图片形象」，传一张高清正脸自拍就能继续。

• 先说清楚边界： 照片要求和过去录视频的要求本质相同，正面、清晰、五官无遮挡的成功率最高；侧脸、逆光、多人入镜的图会失败，弹窗里给了正脸自拍、可张口闭口、面部有干扰三组示例对照。第 4 条要求写得直白：「图片会自动生成 5 秒视频用于口型合成」。也就是说，降的是拍摄成本，不是物理规律。

• 技术上的做法一句话能说完： 把静态照片转成 5 秒标准视频片段，再走原来那条跑熟了的合成管线，模型侧不用改。

  

  
  录视频的门槛没了，素材就看你相册里有哪张。

🎚️ 参数留给这一次，音色留给长期

• 以前想给某句话换个语速，只能去音色管理里编辑音色本身，改完之后其他任务也跟着变。v2.6.0 把这两件事拆开了：选完音色，旁边多了「调整参数」按钮，点开是按次生效的面板，语速、音量、音调随手改，音色和它绑定的模型不动。默认值就是音色的存档参数，不改就和原来完全一样。

• 对实现感兴趣的可以记一笔： 参数定义和存档值都是异步取回的，回填要等表单挂载完成之后才写入，否则面板会闪一下空值。

  

  
  参数属于这一次合成，音色属于长期积累。

🔧 调度链断了会自己接上

• 「提交后一直排队中」是个老毛病。根因在调度链： 驱动队列的那条链子一旦因异常中断，队列里的任务就永远没人拾取。v2.5.0 把调度改成单链轮询后更稳了，但风险也集中到一处，这一版补齐了兜底：调度每轮自查，断了就重新拉起，中断任务重新入队；任务入库后若调度失败（如任务类型未注册），立即标记失败并写明原因，不再干等。

• 配套的体验修复有三个： 失败任务卡片补上了重试按钮（多步骤任务保留已成功步骤续跑，单步任务整体重来）；本地声音文件被删或移动的场景，提交前就校验路径，不再先进队列再报「文件不存在」；升级时旧的「声音克隆」音色库自动迁移为「语音音色」，参考音频和文本原样保留，找不到音色的老用户无需重新录入。

  

  
  队列不怕断，怕的是断了没人接。这版把接力棒交回了调度器。

🩺 白屏和卡死，有现场记录可查了

• 偶发白屏、界面卡死，过去只能靠用户回忆「当时点了什么」。新版内置运行时诊断日志：渲染进程崩溃、界面无响应、GPU 子进程崩溃都会记录在案，外加每 5 分钟一次的内存快照。下次再有人报「打开就白屏」，翻日志定位，不用猜。

其他更新

• 「声音克隆」正式更名为「声音复刻」，界面与文档同步改名，老用户看到新词不要找不到北

• 文件下载接口 POST /api/file/download：Bearer Token 校验，路径白名单限定在数据目录与已安装模型目录内，跨局域网调用方可取回结果文件

• 修复声音复刻参考音频被降采样重编码导致音质变差的问题：原文件直接保存，录音与裁剪按原始采样率编码

• 修复编辑音色时「声音复刻」类型参数不显示、不回填的问题

• 修复简易接入模型把 functions 定义在 config.json 顶层时读取为空的问题

• Windows 应用图标逻辑优化

版本回顾

• 近期三个版本各有侧重，新读者可以快速对齐进度：

• 云端语音模型接入（v2.5.0）：AI 模型页填个 API Key 就能接火山引擎豆包、阿里云百炼，本地没显卡也能跑语音合成

• 绿幕换背景与歌曲翻唱（v2.4.0）：上传绿幕视频加背景图片完成抠像替换，也能把歌曲人声换成指定音色

• API 服务上线（v2.3.0）：本地 HTTP 服务提供文件上传与模型参数查询，可以把 AIGCPanel 接进自己的自动化流水线

  

  
  近期版本回顾

• v2.5.0 — 云端语音模型接入，直播控制与音色管理升级

• v2.4.0 — 绿幕视频替换背景、歌曲翻唱上线，任务调度更稳更快

• v2.3.0 — API 服务与接口正式上线，全工具多语言支持全覆盖
  升级后先试「添加数字人形象 → 图片形象」，翻张自拍传上去看效果。你打算拿哪张照片做数字人？评论区晒出来。工具把复杂留给自己，创意才轮得到你。