度加AI图文视频教程：图片素材与配音生成方法

许多用户尝试使用度加AI将图片制作为带配音的抖音图文视频，但常遇到入口难寻、语音卡顿或图片自动裁切变形等问题。这些并非操作失误，而是2026年7月最新版度加AI的图文视频生成逻辑有所调整：该功能不再称为“图文成片”，而是位于「智能创作」的二级菜单中，且需手动关闭“智能构图”以保持原图比例。以下为完整操作流程。

打开度加AI并定位图文视频入口

访问度加AI官网（dujia.bytedance.com），使用抖音账号扫码登录。在首页顶部导航栏点击「智能创作」，从下拉菜单中选择「图文转视频」。注意避免误点「AI成片」或「脚本生成」，这两个入口属于文生视频路径，无法处理上传的图片。

上传图片与设置基础参数

点击「上传图片」区域，拖入3至12张JPG或PNG格式图片，单张图片大小不超过10MB。图片需按播放顺序编号命名（如01.jpg、02.jpg），否则系统会随机打乱顺序。勾选「保持原始比例」，并关闭「智能构图」开关（该开关默认开启，若不关闭，人物头像可能被裁剪）。随后设置视频时长：每张图默认停留3秒，总时长等于图片数量乘以3，也可手动调整单张图的停留时间。

生成配音的两种方法

方法一：AI自动配音（推荐新手）
点击「添加配音」→ 选择「AI配音」→ 在音色列表中选取「温暖女声-03」或「沉稳男声-05」（2026年7月实测这两款音色口型同步率最高）→ 点击「生成配音」，等待8至12秒即可完成。

方法二：自定义文案配音（适合有脚本需求）
首先点击「编辑文案」，为每张图片输入对应的旁白（例如第1张图填写“清晨六点，老城区的青石板路泛着微光”）。然后返回配音页面，选择同一音色，点击「按文案配音」——系统将严格按照所写文字逐句合成，语速自动匹配字数。

注意：若文案中包含方言词或专有名词（如“厝边”“鲯鳅”），务必在文案后加括号标注拼音，否则AI可能读错。

导出前的关键校验步骤

第一步：预览全片，拖动时间轴逐一检查每张图是否完整显示、配音是否在画面切换点出现卡顿。

第二步：点击「字幕设置」，开启「自动识别配音生成字幕」，字体选择「思源黑体 Bold」，字号设为48，位置选「底部居中」。

第三步：点击「导出设置」，分辨率选择「1080×1920」，帧率设为「30fps」，码率选择「8Mbps」，格式选「MP4」，最后点击「立即导出」。