ai外国模特视频怎么做？外语口播对口型与跨境投放规格实测

上周给一个做假发独立站的客户交了三十多段 ai外国模特视频，美国面孔的女模特举着产品说英语口播，一次过二十二段，剩下返工的全栽在嘴型和手指上。这活儿现在已经是跨境团队出素材的常规动作：先定一张外国面孔的首帧图，再图生视频做展示镜头，口播另走对口型流程。

下面按我9月的实际操作顺序写：定妆图怎么定、每段视频折多少钱、英语和西语口播的嘴型怎么对齐、投三家平台时文件怎么导。数字都是我自己跑出来的，工具名会提到，没有广告。

首帧图不定死，后面全是返工

首帧图决定所有镜头的下限：瞳孔、牙齿、发际线三处放大到100%检查，有一处糊了就重出图，别心疼积分。

我一般用Midjourney或即梦出定妆图，1024×1024起步，检查完丢进图生视频。9月26日那天连跑20段5秒素材，一次过13段，崩掉的7段里4段是手指入镜时多长了一根，3段是转头角度太大把五官拉变形。后来我定了个规矩：镜头设计让手只握产品下半部，转头幅度控制在45度以内，一次通过率立刻回到七成上下。

成本也顺手记了。慢速档排队约3分钟出一段，积分折算下来一段5秒大概1块2；快速档15秒出片但要3块钱。我一般白天挂慢速档攒素材，急单才点快速。对了插一句，积分快到期时别囤太多，这类工具的计费规则说改就改。

外国面孔出图还绕不开网络和付费这道坎，我订阅被拒了两次才成功，支付路径这块国外ai模特换装避坑指南里写得很细，卡在这步的可以去看。

外语口播对口型：两条路线的实测取舍

口播别指望图生视频直接带声：要么数字人直接生成口播，要么无声视频加对口型工具，英语误差能压进0.2秒。

我两条路都跑过。带口播的数字人工具是输入英文脚本直接出片，嘴型天然同步，缺点是人物只能在半身景别里小幅活动，举产品、转身这类大动作做不了。图生视频加对口型反过来，动作随便设计，嘴型得自己盯。9月底实测：英语口播对完型误差约0.2秒，观众基本察觉不到；西语的弹舌音位置会飘，我把语速从1.0倍降到0.9倍再对一遍，反而稳了。

翻车记一笔。有一版音频里"shipping"这个词齿音很重，对口型时嘴部那里抖了两帧，播放时看着像卡顿，我把词换成"dispatch"才过。你肯定也遇到过类似的：某个音节就是对不上，换词比调参数快得多。

我自己更常用第二条，跨境素材要的是手上有产品，嘴型差0.2秒在手机竖屏上真看不出来。不过纯测评讲解的单子我会直接走数字人，省一半时间。要是你做的是走秀类视频，那又是另一套调试思路，四款走秀工具横评那篇写得更对路。

跨境投放规格：三家平台的硬门槛

平台规格卡得比出片严：TikTok要1080×1920竖版，Meta首推1:1或4:5，亚马逊1920×1080起步。

规格这步我吃过亏。8月有批素材全按16:9横版导出，投TikTok时被裁成竖屏后模特的半张脸出了画，整批重导。现在开工前就按投放平台定画幅，别等导出再补救。

字幕多说一句。Meta信息流默认静音，字幕不烧进画面，观看完成率直接掉一半，我的做法是英文大字幕加小号原文双行排。导出统一H.264、码率12Mbps，30秒竖版大约45MB，三家平台都喂得下，不用二次压。

说回开头那批假发客户。一条30秒成片的完整账是：定妆图尝试3次、无声素材4段、对口型2轮，物料成本15块上下，算上返工一个下午能稳定交3条。流程跑熟之后，真正决定成片上限的只剩两件事——首帧图的质检狠不狠，口播脚本的句子够不够短。先从这两处下手，比什么都管用。

常见问题

AI生成的外国面孔会撞上真人肖像权吗？

只要不往提示词里写明星或网红的名字，生成的就是虚构面孔，风险很低。但Meta和TikTok对合成媒体有标注要求，部分类目投放时要在后台勾选AI生成声明，上线前查一遍平台政策。我的习惯是文件命名里带"AI"字样，方便投放同事核对。

英语口播脚本能机翻直接用吗？

直接机翻念出来很僵。我的做法是机翻后手动砍句，一句不超过12个词，长句对口型的误差会被成倍放大。配音的TTS口音选定一种就别换，美式和英式混着用，嘴型模型会打架。

一条能投放的成片，成本和时间大概多少？

按我9月底的账：30秒成片等于定妆图3次尝试加4段无声素材加2轮对口型，物料约15元。熟练后一个下午出3条，新手第一天大概只能交1条，主要时间都花在首帧图质检上。

延伸阅读

• ai图片加模特实操：产品图一键加人做短视频素材，踩坑与参数都写在这