已加入最后一帧画面，可以分段生成视频了。预设10种音色：0、温柔女主播   1、温柔男播音   2、公孙离   3、刘婵    4、柯南    5、步美    6、哪吒    7、潘金莲    8、紫薇    9、肯德基广告女生

步骤：

1、上传一张图片

2、输入台词。

3、选择配音的音色0-9，选择0可以自定义上传音色克隆

4、参考音频，配音选择0的时候可以上传一段需要被克隆的说话（3S即可无需很长）

5、语速：默认1，可以是1.1 ，1.2，0.9，0.8

6、语气语调说明：语言语气语调，可以不输入，也可以输入简单的 “用中文说”“用英语说”“用上海话温柔的说”“用普通话愤怒的说”“用普通话快速的说”，快乐的说，悲伤的说，愤怒的说，温柔的说，等等。

7、特色高级使用方法：在人物台词中可以输入标点符号控制语调，比如“~”“~~”“~~~”会有不同的语调和停顿感。可以增加[laughter]，例如：“我真是觉得好好笑[laughter][laughter][laughter]，我实在是有点忍不住了。”，同样的一个[laughter]和3个[laughter]的效果是不一样的哦。用这个可以精细化调整配合图片的配音。

图片采用腾讯sonic，属于目前相当好的数字人。