面部与手部 / KT 版 Taobao 直播搭建教程
1. 数字人系统模型与声音训练
面部+手部是一种适合 Taobao 公域流量池、可规避低质内容风控的主流直播方式：真人出镜口播介绍产品，话术中不透露具体产品参数细节；展示商品时，画面切换到手部特写，并在其上叠加抠好的产品素材。
直播逻辑：系统随机播放一段真人面部口播片段来介绍产品、引流，然后切换到手部镜头，在手部素材上叠加对应的产品图。所有素材必须提前剪辑成片段，在直播过程中轮换切换。
面部与手部模式和 KT 版模式都可以直接在 Taobao 公域流量池开播。
面部与手部模式视频录制
导入视频素材，选择 V5 数字人形象，并勾选面部与手部模式
1.1 准备
准备两组素材：1. 面部产品口播视频 2. 手部 + 桌面静默视频
话术准备：提前撰写话术，每段 20-30 秒，段落之间留出停顿，方便后期在镜头之间切换
1.2 单机位拍摄步骤
先拍摄 [面部总览视频]，5-10 分钟
- 面向镜头朗读直播话术（每段约 30 秒）
- 每段话术讲完后，停顿 20-30 秒不说话
然后拍摄 [手部 + 桌面素材]，5-10 分钟
- 场景、灯光和机位必须与上面的面部视频完全一致
- 全程不要发出任何声音；手部要做出拿起、展示产品等动作，视频应为静默
- 每个产品对应一段手部素材
1.3 剪辑与合并
- 将面部视频和静默手部视频导入 CapCut（剪映）
- 说话段落：保留面部素材并保留原声
- 静默段落：硬切到静默手部素材
- 要求：只用硬切拼接素材（30 秒真人产品口播 + 30 秒手部素材 + 30 秒真人产品口播 + 30 秒手部素材 + ……）。禁止使用转场、交叉溶解和淡入淡出，以便 AI 更容易识别镜头边界
- 导出剪辑好的成片，用于 V5 数字人形象的面部与手部模式训练
1.4 声音克隆设置
用出镜人的声音做声音克隆；AI 直播会复用这个声音来介绍产品
1.5 直播效果
- 按合成视频的顺序播放
- 说话段落：播放原视频 + 原声，显示主播面部
- 静默间隙：循环播放对应产品的手部素材，叠加产品主图，同时克隆的 AI 声音继续介绍产品
- 当前产品的完整话术讲完后，切换到下一段面部口播视频片段
- 素材匹配规则：讲到哪个产品，就循环播放该产品专属的手部素材
2. KT 板直播
KT 板用于提高产品讲解率、优化 Taobao 直播间的质量分；直播过程中，产品图会自动叠加到画面中的 KT 板位置。
2.1 下载标准 KT 板
按 A4 纸尺寸打印；不要覆膜，以免反光。拍摄时，确保四角的 L 标记和中心的 X 标记完整入镜、不被手遮挡。
2.2 录制要求
- 建议使用绿幕或纯色背景；灯光应均匀，防止 KT 板表面反光或过曝；保持相机对焦准确，确保板面画面清晰。
- 手持 KT 板时，用双手抓住上/下边缘或左/右两侧；切勿遮挡四角的 L 标记或中心的 X 标记。
- 尽量让板面正对镜头，完整显示在画面内；允许轻微倾斜，但角标和中心标记不得出画或被身体挡住。
- 手持板面移动时动作应平稳；在将板移入移出画面的过程中，所有识别标记必须始终清晰可见。
- 人应正对镜头，以固定的半身或全身站姿拍摄；视频分辨率必须与克隆模型所选的分辨率一致。
- 录制 8 分钟，全程静默
下面是一段 KT 板录制示例片段：🎬 [Video] August 19.mp4
（文件大小：15.5MB，随本文档一同导出；请查看同目录下的文件）
为 V5 数字人形象启用 KT 板训练：
数字人系统 Taobao 直播间搭建
1. 新建直播时，选择 Taobao 直播平台
2. 提前在 https://liveplatform.taobao.com/restful/index/cargo/commodity/favorite 的商品规划中添加商品，扫码授权你的 Taobao Live 账号，并选择"一键导入 Taobao 商品"；系统会自动同步商品列表并实时抓取商品主图素材。
