AI 照片说话生成器
AI Talking Photo
照片说话使用指南
AI 照片说话功能可以用新语音驱动静态人像。把头像、角色或插画脸变成适合消息、讲解和社媒内容的短视频。
- 1上传一张您自己的照片。AI会驱动该照片运动和说话。确保您自己看起来美观清晰。
- 2上传一段音频或者使用TTS生成一段音频
- 3点击按钮生成视频
使用音频或文本转语音
上传准备好的音频，或输入脚本并选择可用语言和声音。提交前可预览生成语音，并用正向/反向提示词引导视觉结果。
照片和语音要求
请选择 JPG、JPEG、PNG 或 WebP 格式、最大 20 MB 的清晰人脸图片。图片宽高需为 300 到 5000 像素，比例为 0.4 到 2.5。语音可为 3 到 120 秒。
选择合适的头像工作流
AI 照片说话常见问题
什么是 AI 照片说话？
它会把静态人像变成视频，让可见人脸与上传音频或文本转语音同步说话。
可以用文本让照片说话吗？
可以。输入脚本，选择可用语言和声音，并在生成视频前预览语音。
可以上传什么图片？
可使用最大 20 MB 的 JPG、JPEG、PNG 或 WebP 图片。图片宽高需在 300 到 5000 像素之间，比例为 0.4 到 2.5。
语音可以多长？
当前流程支持 3 到 120 秒的语音，超过限制时会在裁剪前提示确认。