# likeadmin-api 全驱动数字人接入实战：一张图和一段音频生成口播视频

最近在做数字人口播能力接入时，很多人卡住的不是“数字人是什么”，而是素材怎么传、任务怎么提交、结果怎么查。尤其是全驱动数字人这类能力，前端看起来只是上传一张人物图和一段音频，后端实际要处理鉴权、素材 URL、异步任务、费用估算和失败重试。

这篇文章记录一次基于 likeadmin-api 的 `image_human` 接口接入思路，重点看完整调用流程、核心参数和上线前需要注意的几个坑。

## 一、为什么要用全驱动数字人 API？

全驱动数字人可以简单理解为：用一张人物图片作为形象，用一段音频作为驱动源，生成一段人物自然说话的视频。它适合放在课程讲解、产品介绍、客服答疑、知识短视频等场景里。

如果自己搭模型，通常要处理模型部署、显卡资源、队列调度、素材检测和失败重试。对业务系统来说，更现实的方式是先用 API 把链路跑通：前端负责上传图片和音频，后端提交任务，生成完成后再把视频结果返回给用户。

likeadmin-api 的优势在于把应用能力封装成统一的开放接口，数字人、视频生成、音频处理等能力都可以通过类似的方式调用，后续扩展其它 AIGC 能力时成本会低一些。

## 二、它适合哪些业务场景？

- 知识付费课程：把讲稿转成音频后，用固定讲师形象生成课程短视频。
- 企业产品介绍：用品牌人物或虚拟形象讲解产品卖点。
- 客服和运营内容：把常见问题制作成数字人答疑视频。
- 短视频矩阵：同一音频内容生成不同人物形象的视频素材。
- 内部培训：把制度说明、操作教程转成更容易观看的视频内容。

实际落地时，我更建议先从“短视频异步生成”做起，不要一开始就追求实时对话。异步任务链路更稳定，也更容易控制成本和失败重试。

## 三、接入前需要准备什么？

使用 `image_human` 接口前，至少需要准备四类内容：

1. likeadmin-api 的 API Key，用于接口鉴权。
2. 一张公网可访问的人物图片 URL，对应参数 `file_url`。
3. 一段公网可访问的音频 URL，对应参数 `ref_file_url`。
4. 一个任务状态查询逻辑，用 `task_id` 查询生成结果。

这里有一个很关键的点：接口参数传的是 URL，不是本地文件路径。也就是说，图片和音频需要先上传到对象存储、自己的服务器，或者其它可公网访问的位置。否则上游任务无法拉取素材。

## 四、完整调用流程

likeadmin-api 中全驱动数字人的核心接口是：

- 提交任务：`POST /api/v1/apps/image_human/submit`
- 查询任务：`POST /api/v1/apps/image_human/query`

推荐流程如下：

1. 用户在前端上传人物图片和音频。
2. 后端把素材保存为公网可访问 URL。
3. 后端调用 `image_human/submit` 创建数字人生成任务。
4. 接口返回平台任务 ID。
5. 后端定时调用 `image_human/query` 查询任务状态。
6. 任务成功后保存结果视频 URL。
7. 任务失败时记录错误信息，并允许用户更换素材或重试。

如果业务量不大，轮询查询就够用；如果任务量较大，建议把任务放进队列，由后台定时器统一查询，避免前端长时间等待。

## 五、接口参数示例

提交任务示例：

```bash
curl -X POST "https://api.likeadmin.cn/api/v1/apps/image_human/submit" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "mode": "standard",
    "file_url": "https://example.com/avatar.png",
    "ref_file_url": "https://example.com/audio.wav",
    "prompt": "人物说话自然，面对镜头，肢体语言自然，人物清晰可鉴。",
    "duration": 12
  }'
```

核心参数说明：

| 参数 | 必填 | 说明 |
| --- | --- | --- |
| `file_url` | 是 | 输入人物图片 URL |
| `ref_file_url` | 是 | 输入音频 URL，用于驱动数字人 |
| `mode` | 否 | 生成模式，支持 `fast` 和 `standard` |
| `prompt` | 否 | 对人物状态、镜头表现的补充描述 |
| `duration` | 否 | 音频时长，未传时平台可从音频探测 |

查询任务示例：

```bash
curl -X POST "https://api.likeadmin.cn/api/v1/apps/image_human/query" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "task_id": "YOUR_TASK_ID"
  }'
```

接入时不要把 `task_id` 只存在前端，建议后端落库保存任务记录，包括用户 ID、输入素材、提交时间、状态、结果地址和错误信息。这样用户刷新页面后也能继续看到任务进度。

## 六、实际接入中的注意事项

第一，图片质量会明显影响结果。人物脸部要清晰，尽量避免强遮挡、极端侧脸、复杂背景和过度美颜。如果是企业形象视频，建议统一拍摄规范。

第二，音频质量同样重要。驱动音频最好人声清楚、噪声少、语速稳定。音频太嘈杂时，生成出来的口型和肢体表现都可能不够稳定。

第三，费用要按任务模式和素材时长提前估算。资料中记录的 `image_human` 计费摘要为快速模式 2 点/次、标准模式 3 点/次；实际费用、套餐和可用性仍建议以平台当前说明为准。

第四，异步任务一定要做超时处理。比如任务超过预期时间没有完成，可以继续查询，但前端要给用户明确提示，不要让用户一直停在加载状态。

第五，素材合规要提前确认。人物图片、声音、品牌形象都需要有授权，尤其是面向商业发布的视频，不能随意使用他人的肖像或声音。

## 七、总结

如果你的目标是快速把数字人口播能力接进业务系统，likeadmin-api 的 `image_human` 接口比较适合作为第一条链路：参数不复杂，流程清楚，提交任务和查询结果拆得很明确。

我更推荐的落地方式是先做一个小闭环：上传图片和音频、提交任务、轮询查询、展示结果、记录失败原因。等这条链路跑稳后，再扩展到批量生成、模板化脚本、视频剪辑和更多 AIGC 工作流。