用您自己的音频让照片说话或唱歌

会说话和唱歌的虚拟形象可以把一张照片和一个音频文件变成这张脸说话或唱歌的视频。这是一款照片转视频的 AI 虚拟形象工具。图片和声音由您提供，音频会保持您上传时的样子，没有配音或翻译步骤。如果您手上只有照片，而不是某人说话的视频，就可以用它。

示例

  • 说英语的虚拟形象

    AI 生成的示例

  • 说阿拉伯语的虚拟形象

    AI 生成的示例

  • 说英语的狐狸角色

    AI 生成的示例

  • 会唱歌的照片

    AI 生成的示例

  • 会唱歌的狐狸角色

    AI 生成的示例

如何制作会说话的照片

  1. 1.

    上传照片

    选择一张面部清晰的 JPG、PNG 或 WebP 图片，最大 20 MB。

  2. 2.

    添加音频

    以音频文件形式上传语音、音乐或歌曲，时长为 1 秒到 3 分钟。音频按原样使用，并决定视频的长度。

  3. 3.

    选择质量并开始

    选择标准 480p 或高质量 768p，查看积分费用，确认您有权使用这张照片和这段音频，然后开始。完成的视频会显示在“我的项目”中。

可以用来做什么

  • 会说话的照片

    为肖像配上声音，可以是发言人、角色，也可以是您自己的照片朗读您录好的文稿。

  • 会唱歌的照片

    上传歌曲或人声音轨，让照片唱歌。音频既可以是语音，也可以是音乐。

  • 宣传和社交媒体内容

    把发言人图片或品牌角色做成短视频，用于公告、广告或社交媒体帖子。

  • 课程和培训

    在不便拍摄时，让讲师照片讲解课程、课程介绍或培训短片。

价格

会说话和唱歌的虚拟形象使用您的 Voixie 积分。每 15 秒（不足部分按完整时段计），标准 480p 消耗 20 积分，高质量 768p 消耗 40 积分。一个视频最多可使用 3 分钟音频。页面会在扣费前显示费用，如果视频生成失败，积分会自动退还。免费账户共享唇形同步的 60 秒上限，并用自己的积分支付。

定价

会说话和唱歌的虚拟形象还是唇形同步？

唇形同步用于修改现有视频。它需要画面中有一个正在说话、嘴唇在动的人，以及此人的原声和新音频，然后重新绘制嘴唇以匹配新音频。会说话和唱歌的虚拟形象从静态图片开始，因此无需拍摄任何人。如果您的视频中有说话的面孔，请使用唇形同步。如果您只有照片或静止不动的视频，请使用会说话和唱歌的虚拟形象。

前往唇形同步

关于会说话和会唱歌的照片的常见问题

如何让照片说话？

上传一张面部清晰的照片和一个语音音频文件，选择质量后开始。视频由这两个文件生成，无需拍摄。

可以让照片唱歌吗？

可以。上传歌曲或人声音轨来代替语音。这里没有配音，所以您上传的音频就是您在视频中听到的音频。

支持哪些语言？

这里无需选择语言。视频跟随您上传音频的声音，不会翻译任何内容。如需将视频翻译成其他语言，请使用配音工具。

视频可以多长？

音频时长可为 1 秒到 3 分钟，视频时长与音频相同。照片最大 20 MB。

我可以使用谁的照片？

只能使用您有权使用的照片和音频。视频开始前您需要确认这一点。如果照片中有儿童，您还需确认您是其父母或监护人，或已获得其同意。上传的图片会经过我们的内容政策审核。