> ## Documentation Index
> Fetch the complete documentation index at: https://www.vozo.ai/docs/llms.txt
> Use this file to discover all available pages before exploring further.

# 快速上手

> 学习如何使用您的照片和音频输入将肖像转换为口播视频。

## 创建项目

要开始，请导航到您的 **工作台** 并点击 **口播视频生成 - 从照片开始**。

这将打开上传对话框，您可以拖放图片文件或点击上传。

您可以通过多种方式输入音频：

### 文字转语音

如果您有脚本并希望从文本生成语音，请选择此选项。

<Steps>
  <Step title="选择语言和声音">
    从下拉菜单中选择您想要的语言和声音。如果您对列出的声音不满意，请点击 *"从库中选择更多"* 以探索更多选项。

    <Tip>
      **使用克隆声音：**

      点击 *"从库中选择更多 > 克隆声音 > 克隆新声音"* 并按照说明上传或录制音频以创建自定义声音。
    </Tip>
  </Step>

  <Step title="输入脚本">
    输入您的脚本，然后点击播放按钮进行预览。
  </Step>
</Steps>

### 上传音频

如果您已经有音频文件，请选择此选项直接上传。

## 预览和下载

视频生成后，您可以直接在项目页面预览结果。

要下载视频，请点击右上角的 **下载/导出** 按钮。

## 常见问题

<AccordionGroup>
  <Accordion title="导出视频使用什么分辨率和编码？">
    * **分辨率**: 以 **720p** 导出。系统会根据输入图像自动选择最合适的宽高比，并以固定分辨率输出。可能的分辨率包括：
      * **16:9** → 1248×704
      * **4:3** → 1120×832
      * **1:1** → 960×960
      * **3:4** → 832×1120
      * **9:16** → 704×1248
      * **21:9** → 1504×640
    * **帧率**: 固定为 **25fps**
    * **编码**: **H.264**
    * **比特率**: 通常约为 **1100 kb/s**，根据内容动态变化在 **1000–2000 kb/s** 之间
  </Accordion>

  <Accordion title="图片生成口播的费用是多少？">
    请参阅 [AI 工具的点数使用规则](/docs/zh/common/tools-points-rules#talking-photo) 页面以获取详细定价规则。
  </Accordion>
</AccordionGroup>