GPT Image 2.5 is live — OpenAI's newest image model, targeted edits that leave the rest of the frame alone
全部文章
真人 AI 视频生成器：哪些做法真的可行
2026/08/09

真人 AI 视频生成器：哪些做法真的可行

用真人素材制作 AI 视频：如何准备合规参考图、挑选支持原生对白的模型，并逐项核对输入限制、审核结果与实际生成成本。

真人能不能用作 AI 视频生成器的参考？可以，前提是本人已经同意，而且所选路径明确支持真人参考。实际需要确认的是素材能否接收、模型是否生成语音、审核如何处理，以及一次任务要花多少钱。

真正有用的区分不在于工具，而在于这是谁的脸。已同意的真人照片、合成角色和指名道姓的名人，在法律和技术上是不同的输入。本文说明各类情况的文档化路径、说话功能需要什么，以及参考素材被拒时该检查什么。

TL;DR

  • 真人的参考照片和视频片段受支持。 Seedance 2.5的参数参考明确说"参考图像/视频可能包含真人。"[1]
  • 被拒参考素材全额退款。 素材在生成前经自动审查，任何被拒的内容都以错误失败，并全额退款预留金额。[2]
  • 说话是单独的功能。 Seedance 2.5用generate_audio生成"同步语音、音效和背景音乐"，默认启用。[1] Kling 3.0明确记录唇形同步。[3]
  • 指名道姓的名人在所有路径上都被拒。 这是模型本身的决定，不是平台政策，没有参数能改变它。
  • 同意仍然是你的责任。 接受上传的API没有代表你获得许可。

一个搜索词下的四种不同请求

你自己的素材，或一位同意的被拍摄者。 这是最大的合法案例：创始人在自己的产品演示中、UGC创作者、签署发布协议的演员、你正在制作品牌视频的客户。这是受支持的，本文的其余部分主要讲述这个。

参考素材被拒的合成人物。 单凭错误提示，无法判断审核系统如何识别图像，也无法确定是哪项内部检查作出的决定。应先核对文档中的输入要求和审核结果，再判断下一步。

指名道姓的公众人物。 被拒。不是reAPI作为政策的决定，而是模型本身，在任何转售它的主机上。任何声称相反的平台要么弄错了，要么在卖你一个肖像权问题。

说话的人。 这是能力问题而非权限问题，答案由你选择的模型决定，而非平台。

排查时要把这些情况分开。受支持的真人参考、被拒的合成参考，以及指定人物的请求，后续处理方式并不相同。

使用同意的人作为参考

支持的路径是参考素材，而非提示描述。Seedance 2.5在一次生成中接受最多30张参考图像、10个参考视频片段和10条音频轨道。[1]

curl https://reapi.ai/api/v1/videos/generations \
  -H "Authorization: Bearer rk_live_your_key" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "doubao-seedance-2.5-face",
    "prompt": "@Image1 walks through a sunlit workshop, handheld follow",
    "resolution": "720p",
    "duration": 8,
    "image_urls": ["https://your-cdn.example.com/subject-01.jpg"]
  }'

组装参考集前需要了解的限制：[1]

字段限制格式
image_urls最多30张，各不超过30 MBjpeg, png, webp, bmp, tiff, gif, heic, heif
video_urls最多10个，各2–30秒，不超过200 MB，合计30秒mp4, mov, 480p to 4K
audio_urls最多10个，各2–30秒，不超过15 MBwav, mp3

两条规则让人吃惊。每个参考必须是公开HTTP(S)网址；base64和data:有效载荷在整个平台上被拒，不仅仅是这个模型。[1] 而且image_urls不能与image_with_roles组合，所以角色参考和首尾帧链接是分开的模式。[1]

参考素材会在生成前经过自动审核。如果被拒，任务会返回错误并全额退还预留金额，[2]因此失败尝试消耗的是时间，而不是这笔预留费用。

让他们说话

这里模型选择比平台选择更重要，两个文档化的选项行为不同。

Seedance 2.5本地生成音频。generate_audio默认为true，生成"同步语音、音效和背景音乐（单声道）。"[1] 语音与视频一起生成而非配音，所以口形和音频来自同一个处理过程。你通过提示词来指导它。

Kling 3.0更具体地记录该功能，将同步本地音频描述为"对白、唇形同步、环境音。"[3] 如果对白唇形同步精度是你被评判的标准，那是要测试的明确声明。

两者都不提供配音模式，即你提供成品语音轨道并获得精确的口型匹配。Seedance 2.5的audio_urls被文档化为参考音频轨道，[1]这是与唇形同步驱动不同的工作。如果你的流程已有录制的配音，在围绕它构建之前，先在短片段上测试这个假设。

对话头工作的实践注意：音频不会经历分割。每次生成都合成自己的轨道，所以从几个片段组装的序列给你多个独立的音频床。对于长于一次生成的对白，单独录制或合成语音，并仅将视频视为画面。

不会动的线

指名道姓的活人被拒。 每条诚实的路径都执行这一点，它与模型而非任何平台设置共存。如果主机声称相反，正确的回应是怀疑而非注册。

第三方角色也被拒。 同一检查捕获可识别的版权受保护角色，这对动漫和粉丝创作是反复的挫折，没有值得发布的解决办法。

同意不通过上传表单转移。 接受你参考照片的API不是照片中那个人的许可。发布协议、肖像权，以及在几个司法管辖区生物识别数据规则是你的责任，不会因为请求返回200而成为平台的。

最后一项不是法律套话。这是支持路径存在的原因：检查旨在阻止非同意情况，当合法情况有地方去时效果更好。

当合成角色参考素材被拒

拒绝提示本身无法证明问题来自素材内容、文件格式还是其他审核规则。不要根据一句提示猜测内部机制。先检查 URL、文件类型、大小、时长和字段组合是否符合公开参数文档。[1]

如果输入有效但自动审核仍然拒绝，应把它当作审核结果，而不是图像来源的证明。可以换一份合规参考素材，或选择输入政策更适合该任务的模型。面部检测排查指南会按文档区分输入校验与审核，不猜测内部系统。

费用是多少

参考驱动的工作在Seedance 2.5上的定价与任何其他生成相同，除了一个皱褶。参考图像和音频不改变费率；参考视频将你移至较低的每秒费率，按输入加输出秒计费。[2]

工作，720p费用
参考图像8秒$2.135
参考图像30秒$8.005
参考片段10秒到输出5秒$2.402

来自已发布每秒段的费率。[2] 失败的审核检查全额退款，所以探索性参考集让你花时间而非信用。

常见问题

我可以使用真人AI视频生成器吗？

可以，用同意被拍摄者的参考素材。Seedance 2.5的参数参考说参考图像和视频可能包含真人。[1]

我能生成名人吗？

不能。指名道姓的公众人物在所有路径的模型级被拒，没有参数改变这一点。

哪个模型处理说话的人？

Seedance 2.5用generate_audio生成与视频同步的语音。[1] Kling 3.0明确记录对白和唇形同步。[3]

我能提供自己的语音录音并获得对它的唇形同步吗？

不是文档化的模式。Seedance 2.5的audio_urls是参考轨道而非唇形同步驱动。[1] 在围绕它设计流程前在短片段上测试。

为什么我的AI生成角色被当真人拒了？

错误提示不会透露内部原因。先核对参考 URL、格式、大小和字段组合；如果都有效，就按审核拒绝处理。面部检测说明提供了基于文档的检查清单。

参考被拒时我会被收费吗？

reAPI上不会。失败审核的任务全额退款预留。[2]

我能直接上传参考文件吗？

不能。每个参考必须是公开HTTP(S)网址。Base64和data:有效载荷在平台范围内被拒。[1]

一次生成能采用多少参考图像？

最多30张，加10个视频片段和10条音频轨道。[1]

与脸一起工作而不是绕过它们

在选择工具前，先确定自己面对的是哪一种请求。已同意的被拍摄者和有效参考集属于有明确参数、审核失败可退款的支持流程。合成参考被拒时，应核对输入和审核结果，而不是猜测隐藏分类器。对白则仍是模型选择问题，现有文档给出了两种方案。

只有第四个请求，一个没同意的指名道姓的人，没有路径，这值得防卫而非绕过。真人AI视频生成器是当人们说是时的正常工具，支持路径保持开放的原因是不支持的路径保持关闭。

完整参数参考在reapi.ai/docs/seedance-2-5；Seedance 2.5模型页面的当前费率。

参考文献

  1. reAPI. doubao-seedance-2.5-face — request body, reference limits, generate_audio and platform media rules. Retrieved August 2026 from reapi.ai/docs/seedance-2-5
  2. reAPI. Seedance 2.5 — model page, real-person reference support, published rates and refund behaviour. Retrieved 9 August 2026 from reapi.ai/models/seedance-2-5
  3. reAPI. Kling 3.0 — native audio with dialogue and lip sync. Retrieved August 2026 from reapi.ai/docs/kling-3-0

更多阅读

全部文章

更多文章