如何用 AI 替换视频中的人物？从角色照片到成片的完整流程

替换视频人物需要什么

用 AI 替换视频中的角色，通常需要一段原视频和一张清楚的角色图，再选择换整个人还是只换脸。角色图描述新的外形，视频提供表演和运镜参考。结果是一段生成的视频，因此除了看脸像不像，还要检查动作和周围内容。

使用自己的视频时，进入 Recast 换人换脸工具；想从现成的动作样片开始，则选择 Recast 模板。这是两条不同的流程：前者接收你上传的原视频，后者从我们重拍好的样片开始。

换脸、换人还是动作迁移？

先决定成片里哪些内容需要保留。工具写着“视频转视频”，并不足以说明它具体会做什么。

供应商可能为这些任务提供不同接口。阿里云的官方模型说明就区分了参考生成、视频编辑、动作驱动动画和视频人物替换。Recast 使用所支持模型的参考生成或编辑能力，这不代表每个模型都能逐像素保留非目标区域。关于参考生成，可以继续看视频转视频指南。

两个真实案例：STORM 与 BAD

STORM：主角从真人变为狸花猫，群像变为大型猫科动物。我们向 Seedance 2.5 提供了角色参考图、从原片截图改出的场景参考图，以及一段 15 秒视频。生成角色穿着参考图中的衬衫和领带，镜头大致沿着抽烟、转身、走进群像的顺序推进。

结果也有可见偏差：转身约晚了 2 秒；原片结尾的人物背对镜头，猫角色却朝向镜头。它是一段有动作偏差、可用于创作的重拍结果，不能证明舞步精确复现、群像完全不变，或只换了脸。

BAD：绿幕白模变为办公室里的站长本人。这段 WAN 3.0 结果还使用了人物参考图和改过的场景帧。展示的 15 秒片段参考白模的舞蹈，同时更换人物和环境。它展示的是人物替换加场景重建，不能用来证明背景保持原样。

两组案例的输入和模型不同，适合说明流程，不属于同条件模型横评或成功率研究。制作案例时手动完成的部分准备工作，现在已有 Recast 工作台代为处理。

准备视频和角色图

• 目标人物要清楚。先选一小段人物可见的视频。转身、快速手部动作、人物交叉和切镜头都会增加需要检查的细节。
• 参考图要覆盖想替换的外形。换整个人时，除了脸，还要交代身体和服装。只有头像，身体比例和穿着就缺少明确参考。
• 减少参考图中的歧义。避免多个人、互相冲突的服装和遮住脸的文字。在 Recast 中检查图片分析结果，再决定是否提取干净参考图。
• 角色和场景分开交代。先决定背景继续作为参考，还是主动重新设计。需要更换背景时，要把它写进任务说明。

头像、全身照还是角色设定图，该选哪一种？看你要替换的范围，以及图片实际展示了什么：

包含三个视角的设定图仍是一张图片。我们没有对这几类图片做同条件测试，表格说明的是各自提供的信息，不能据此判断哪种成功率最高。

使用你有权编辑和公开的视频及角色图。涉及真人时，应取得本人许可；Recast 会要求确认真人参考图的使用授权。

在 Recast 中替换人物

1. 打开自带视频工具。选择 Recast 上方的换人换脸板块；下方模板卡片从我们提供的样片开始。
2. 上传或选择视频。可以从素材库选择，或上传 MP4/MOV 文件，最大 200 MB。长视频不需要预先剪短，在时间轴选取处理区间即可。
3. 加入替换角色。上传角色图或选择已有素材，检查参考图分析结果。若选择提取人物，要先确认提取后的参考是否正确。
4. 选择替换范围。换整个人会参考新图的脸、发型、身体和服装；只换脸的目标是保留原发型、身体和服装。多人出镜时，明确描述要替换哪一个。
5. 选择模型、清晰度和声音。检查页面显示的时长限制与报价。选区超过模型单次上限时可以分段处理，但接缝处可能变化。
6. 生成并对照。下载或使用之前，把整段结果与原片比较。效果有问题时，定位具体镜头和细节；视频文件能正常播放，不等于人物替换效果合格。

说清楚改什么、保留什么

交代目标人物、替换参考，以及希望跟随的表演；再分别说明需要保留的外形或场景。下面是一条可改写的起始指令，并非案例生成时的原始提示词。参考素材的引用语法取决于模型和界面。

Replace the lead dancer in the reference video with the character in the reference image. Use the image for the character’s face, hair, body and clothes. Follow the video’s dance sequence, camera movement and shot timing. Aim to preserve the other people and background. Do not add a new performer.

只换脸时，要明确修改范围：参考图只用于脸，并要求保留原发型、身体和服装。指令用于设定目标，不能锁住每一帧。群像中可以用“穿白衬衫的主角”等稳定特征指认人物；人物换位后，单靠左边或右边容易产生歧义。

检查成片，别只看第一帧

• 身份：检查侧脸、转身、遮挡和最后一帧，有没有变回原角色。
• 动作：对照转身、手势和舞步发生的时间，而不只看它们有没有出现。STORM 的延迟需要沿着时间轴比较才能判断。
• 替换范围：检查服装混合、多余耳朵或面部特征、漏换的群像人物，以及非预期场景变化。
• 连贯性：检查每次切镜头与分段接缝，留意脸、人物大小、光线和镜头距离的变化。
• 声音：确认实际音轨。脸看起来正确，不能证明声音被替换了，也不能证明口型与语音同步。

在后续一次 STORM 尝试中，大全景切换后，远处群像重新出现了人类。这里的成功对照没有使用那一段。最好看的一帧也可能掩盖下一镜头的问题。角色一致性指南讨论了跨视频使用参考图的方法；这套人物替换流程仍需逐镜检查。

结果不理想，下一轮先检查什么？先找到出问题的时间点，再按对应现象排查：

保留每次的输入和成片，记下改动。这些是排查顺序，不能证明问题的原因或保证修好。每轮只调整一项，比较下一次结果时更容易判断变化。

时长、声音和费用

当前自带视频换人工作台，一次任务最多选取 30 秒。单次生成上限由模型决定：这套流程中，Seedance 2.5 最多 30 秒，WAN 3.0 最多 15 秒，Kling V3 Omni 最多 10 秒。这是 Recast 接入流程的限制，并非供应商所有接口的统一上限。

报价随模型、清晰度和处理时长变化，Recast 的视频费用包含参考视频秒数。可选的人物参考图提取也会单独显示费用，生成前应一起查看。分段处理由多次付费生成组成。

自带视频工具默认保留原片声音，也可选择模型生成的环境声；模板使用生成环境声或静音，不附带原版歌曲。上面的对照视频已静音。浏览页面和样片免费，视频生成需要付费账户和积分。

使用自己的片段，可以进入换人换脸工作台；想从已有样片开始，可以选择现成模板。工作台会在提交前显示可用选项和报价。

来源与案例记录

STORM 主角与群像重拍于 2026-09-27，使用 Seedance 2.5；BAD 舞蹈案例生成于 2026-10-09，使用 WAN 3.0。两段对照各为 15 秒。STORM 原片来自 GENER8ION 与 Yung Lean 的 STORM MV；BAD 原片是一段提供给我们的绿幕白模舞蹈。竖屏裁切、移除音轨和拼接用于展示，没有为本文重新调用视频生成模型。

准备流程和效果观察来自我们保留的输入、提示词与成片。工作台限制核对日期为 2026-10-12。模型任务定义参考阿里云的视频生成与编辑文档。这些案例没有测量只换脸的可靠性，也不能保证以后每次生成都得到同样效果。