做数字人播报短片，口型漂移和画风前后不一致，通常不是生成能力的问题，而是制作顺序的问题。稳妥的顺序是：文本切句 → 配音对齐 → 口型确认 → 画风定型。判断依据只有一条——把返工代价最大的步骤放到最后。改画风往往牵连整段重新生成，会把已经对好的口型一起回退；切句和配音的返工只影响局部，所以先做便宜的部分。

如果在灵绘AI里生成的口播视频口型对不上、画风中途变化，先别调画风，也别反复重试生成。先把文案按停顿切成单句，单独录一条配音并逐句记下起止时间，再把同一份文本和同一份配音放进一次生成里跑，确认唇形起止点无误后，最后才调画风与参考图。适用场景是单人播报类短片；只要配音语速、音色或句子内容有改动，口型就必须回到配音环节重新确认，这一步没有省法。

把播报文案按停顿切成单句文本

切句的目的只有一个：让每一句文本能一一对应到一段语音。整段文案直接生成，一旦某处口型偏移，你没有可定位的锚点，只能整体重来。

切句规则：在自然停顿处断开，逗号、句号、问号、感叹号、换行都算断点。长句内部没有标点时，建议在语义完整处补一个逗号再切；语气词和连词不要单独成句。

单句字数上限：中文播报单句建议控制在 20–30 字以内，超过 40 字的口播句听感已经在赶，口型也更容易在句中段跟不上。这个范围需要结合语速和配音音色确认，快语速下应再收短。切分后的文本片段示例：

句 01：大家好，这里是产品更新速览。
句 02：今天讲三件事。
句 03：第一件，素材库支持按项目分组。
句 04：第二件，导出可以选清晰度。
句 05：第三件，评论区的问题我们单独回。

切完后保留编号，编号会一直用到配音和口型核对环节。

先出配音并逐句记录起止时间

配音一定要先出，而且要单独出。它提供的是时间基准，后面所有关于“唇形有没有对上”的判断都要对着这份时间表做。

句 01  00:00.0 - 00:03.2
句 02  00:03.2 - 00:04.6
句 03  00:04.6 - 00:09.1
...

查看方法：在播放器里逐句试听、读当前时间戳；或者把音轨放进带波形显示的音频编辑器或剪辑软件，按波形上的静音段找句与句的边界，读出的数值就是该句起止点。没有波形图时，用播放器逐句暂停记时间戳也能得到可用数值，但改口型前建议用波形再核一次。

时长与字数的粗略对应：中文播报常见在每秒 4–6 个字，20–30 字的句子大致是 4–6 秒。如果某句实测时长明显偏离这个范围，先怀疑切句粒度不对，而不是先怀疑口型驱动。

在灵绘AI里把同一套文本与配音放进一次生成

这一步的核心约束是：唇形驱动使用的语音和文本必须来自同一份素材。不要改完文本又上传另一条配音，也不要拿 A 版配音配 B 版文本。

上传顺序建议：先上传配音音轨，再贴入对应的分句文本，最后确认人物形象与画风；具体顺序以页面逻辑为准，但“配音和文本成对”的对应关系不能变。页面上与语音、口型相关的设置项名称以你当前界面的实际名称为准，不同版本差异较大，常见叫法有：音频/配音上传、文本或台词输入、口型或唇形同步、对齐方式、生成时长。改动这些项之前，先把当前配置截图或记录，方便回退。

生成后检查唇形起止点的方法：按第 2 步的时间表逐句定位到视频对应位置，看句首第一个字发音时嘴是否已张开、句尾最后一个字收音时嘴是否已闭合。偏移常出现在句首和句中换气处，句尾反而最容易对上。如果整段偏移均匀，多半是音轨与视频起点没对齐；如果只有某几句偏，多半是这几句的分句或时长记录有误。

口型确认无误后再调画风与参考图

画风在灵绘AI这类工具里通常参与生成过程，所以改画风往往等于重新生成一遍，已经对好的口型会被一起回退，这就是把画风放到最后的原因。

改画风后必须重跑的步骤：重新生成画面 → 按时间表再核一遍唇形起止点 → 确认无误后再定稿。如果画风只是后期色调或滤镜、不参与生成，口型一般不受影响，但仍建议用同一份时间表再看一遍关键句。前后两版结果的对照方式：保留上一版输出文件和它的时间表，按相同时间点逐句对照唇形起止点是否一致，不要凭整体观感判断。

需要回到配音环节的情况有三种：配音的语速、音色或停顿被改过；某句文本被增删或改写；分句边界被重新切过。这三种都会让原来的时间基准失效，必须先重导配音、重新记录起止时间，再走一次生成与口型确认。