15 秒以內的數位人短片：OmniHuman 1.5 工作台四個選項怎麼設

用一張照片加一段聲音做出會說話的人物影片，現在已經不算新鮮。真正影響成品的，往往是上傳之後那幾個不起眼的選項：人物遮罩、動作提示詞、輸出解析度、快速模式、隨機種子。這篇整理 Seedance 2.5 上 OmniHuman 1.5 工作台的設定方式，重點放在「短片」：一段不超過 15 秒、用於社群貼文或產品說明的數位人影片。

先確認素材條件

OmniHuman 1.5 數位人影片生成器頁面上寫明的素材條件如下：

• 人物圖片：JPG／JPEG、PNG、WebP，不超過 10 MB。建議使用臉部清晰、光線充足的正面圖片；也支援寵物和動漫形象。

• 驅動音訊：MP3、WAV、AAC、OGG、MP4，小於 60 秒，不超過 10 MB。

• 輸出：MP4 影片。

其中最值得注意的是音訊長度。頁面的說法是：音訊須短於 60 秒，建議不超過 15 秒，以保持更穩定的畫面效果；較長的音訊可能使畫面品質下降。所以 OmniHuman 1.5 比較適合拿來做短片。如果內容需要一分鐘以上的講解，同一個網站另有 OmniHuman 2.0，適合較長的說明與演出。

選項一：人物遮罩（可選）

工作台說明是「多人圖片可上傳目標人物的遮罩圖」。換句話說，如果照片裡只有一個人，這一項可以跳過；如果是兩人合照、團體照或背景中有路人，就需要用遮罩告訴模型：要讓「哪一個人」開口說話。

準備遮罩時，讓遮罩圖與原圖尺寸一致，目標人物範圍完整涵蓋臉部與頭髮。若沒有遮罩，模型可能選錯說話的人，或讓多人同時出現嘴部動作。

選項二：動作提示詞（可選，300 字以內）

說話內容由音訊決定，提示詞負責的是「看得見的動作」。頁面提到 OmniHuman 1.5 會分析音訊的語意與語調，生成相符的情感、手勢與肢體語言，也支援上半身與全身動作。提示詞可以在這個基礎上指定方向，例如：

人物站在講台後方，說到重點時右手輕輕向前，表情自然微笑，鏡頭固定。

寫法上建議只放一到兩個動作，搭配一個鏡頭狀態（固定、緩慢推近）。動作越多，在 15 秒內越容易顯得匆忙。

選項三：輸出解析度與快速模式

輸出解析度可選 720P 或 1080P。快速模式的說明是「縮短生成時間，畫質可能降低」。

這兩個選項可以搭配成兩階段：

1. 試做階段：720P＋快速模式，確認口型、表情、動作方向大致正確。

2. 定稿階段：1080P、關閉快速模式，用同一組素材生成正式版本。

送出前，工作台會在「上傳素材並查看報價」這一步顯示所需點數，確認後再生成。完成的作品會保留在「我的作品」中。

選項四：隨機種子

隨機種子預設為 -1，代表隨機。頁面說明：填寫相同的非負整數可提高結果一致性。

實務上的用法是：試做時保持 -1，多跑幾次找到滿意的動作風格；找到之後，記下那次使用的種子值（若介面有顯示），定稿時填回同一個數字，再只調整解析度或快速模式。這樣比每次都重新隨機更容易比較差異。

照片怎麼選

頁面的建議是光線充足、臉部細節清晰的正面單人照片。延伸來看，以下幾種照片比較容易出問題：

• 頭髮、手、口罩遮住嘴巴

• 大角度側臉

• 背光或過暗，臉部細節不清楚

• 解析度太低，放大後五官模糊

如果是品牌代言人或虛擬主播這類需要反覆使用的角色，建議固定一張「標準照」，之後每支短片都用同一張圖，讓角色形象在不同影片間保持一致。頁面也把「打造數位代言人行銷影片」列為使用場景之一，提到可以在各個行銷活動中維持角色形象的一致。

依用途調整音訊與畫面

頁面列出的使用場景包括 AI 網紅與虛擬創作者影片、口型同步虛擬形象應用、音樂影片，以及品牌代言與產品講解。不同用途，素材準備的重點也不同：

• 社群短片：一句開場加一個重點，音訊控制在 10 秒上下，照片採用直式構圖，方便直接發佈。

• 產品講解：先寫好講稿再錄音，句子短、停頓清楚；照片保留上半身，讓手勢有空間。

• 音樂影片：選一段副歌或最有張力的片段，而不是整首歌；照片的姿態與情緒要和歌曲氣氛一致。頁面也提到支援動漫角色、卡通人物等風格化形象，適合虛擬偶像類的內容。

無論哪一種，都建議先用最短的版本確認效果，再決定要不要拆成多支短片接續剪輯。

收尾：生成後檢查什麼

生成完成後，至少看完整支影片一次，檢查：

• 開頭與結尾是否有多餘的靜音片段

• 口型與聲音是否對得上，特別是句尾

• 手勢是否自然，有沒有不合理的變形

• 多人照片中，說話的是不是目標人物

小結

OmniHuman 1.5 的設定不多，但每一項都有明確用途：遮罩決定誰說話，提示詞決定怎麼動，解析度與快速模式決定試做或定稿，種子決定能不能重現。把音訊控制在 15 秒左右，照片選正面清晰的單人照，再用「試做→定稿」兩階段生成，短片的穩定度會好很多。