让照片跟随歌曲演唱，也能让图片开口说话。上传人像或在图片面板创建角色，再添加演唱音轨、录音或文字转语音。先制作照片唱歌短片，检查嘴部动作、表情和构图，再扩展为歌曲表演、个性祝福或讲解视频。
通用 AI 虚拟人视频生成器（AI avatar video generator），可通过图片和音频生成 talking avatar / lip sync 视频。支持更长音频、说话人控制，适合动物和风格化角色。
*1. 上传照片或生成/编辑图像
*2. 上传音频或生成音频
黑色区域 = 人物不会说话。白色区域 = 人物会说话。
登录可领取每日免费点数，开始生成视频。关闭页面后任务仍会继续，请勿重复提交同一任务。历史结果可在“我的创作”中查看。
上传一张人像和一段音频，即可生成唱歌、演讲或讲解类视频。适合数字人、虚拟主持、课程讲解、音乐头像和社媒短视频。
操作步骤
如果图片里有文字，或需要更强的头部动作、表情控制，建议选择可控表情与动作的图片模型。
用一张双人图片生成自然的播客或对话视频。可以分别上传两位说话者的音频，也可以先把完整播客音频拆成不同角色轨道。
操作步骤
如果使用音频分离，请先预听拆分结果。每条音轨应只包含对应角色的声音，同时保持原始时间轴。
当图片或视频中有多个人物，但只希望其中一个角色说话时，用说话人控制功能精确指定嘴型同步区域。
操作步骤
请在图片或视频上传成功后再创建遮罩。用白色覆盖说话角色的嘴唇、脸部、身体以及其它需要控制的区域。
生成一个人说话、另一个人安静倾听的双人画面，适合访谈、反应视频、教学片段和播客场景。
操作步骤
只提供一条说话音频时，选中的角色会开口说话，另一位角色保持静默，形成自然的倾听效果。
日语
西班牙语
源视频
把一个源视频本地化成带翻译配音和口型同步的新版本，适合课程、产品演示、广告、教程和社媒内容出海。
操作步骤
快速模式适合先出草稿；更重视质量时选择高级模式。
参考图片
@audio1
提示词
Use the song from @audio1 to generate a video of a man singing.
通过参考图片、参考音频和提示词生成新视频。适合需要控制镜头运动、画面风格、表情、动作或叙事的场景。
操作步骤
当你不只是要基础口型同步，而是需要电影感构图、镜头运动或风格化画面时，优先使用这个流程。
提示词
A panda sits on the left and looks at the camera, saying, "Hello everyone." After that, a raccoon on the right speaks and says, "Welcome to Lip Sync Studio"
直接用文本提示词生成说话或对话视频。在提示词里写清角色要说的台词，同时描述场景、表情、节奏和镜头。
操作步骤
把台词直接写进提示词中，模型才能为每个角色生成同步语音和嘴型动作。
参考图片
提示词
A cinematic, ultra-realistic SaaS video ad with native synchronized high-quality voiceover. At the opening frame, the bold white text "lipsync.studio" dynamically drops from the top, settling in the center with a soft organic bounce and a subtle glowing neon orange light, before scaling down to the bottom watermark. The camera dynamically zooms into @image1. The cat stands on stage holding the microphone, its whiskers twitching naturally and fur swaying as it speaks like a stand-up comedian, enthusiastically saying: "Why sing when you can just talk?". With a smooth slide-transition, it cuts to @image2. The cool gorilla leans its arm comfortably on the car window, blinking naturally and nodding its head as it talks in a deep, humorous voice: "Exactly, buddy. Just let AI do the talking." A fluid warp transition pans to @image3. The baby closed-eyes, swaying gently, holding the microphone with a natural grip, babbling happily with a sweet baby voice: "Try it for free now!". Photorealistic, 60fps fluid motion.
用多张参考图片和详细提示词生成短视频广告。适合每个镜头都需要清晰角色、旁白和转场的品牌内容。
操作步骤
让每个参考标签对应一个镜头，有助于模型保持角色身份和镜头顺序。
上传已有视频和新的音频，生成口型同步版本。当视频中只有一个人需要说话时，也可以添加说话人遮罩。
操作步骤
Lip Sync Video 会结合整体视频上下文；Only Lip Region 只聚焦嘴唇区域，并且原视频中的嘴唇必须清晰可见且有可检测动作。
让照片跟随歌曲演唱，也能让图片开口说话。上传人像或在图片面板创建角色，再添加演唱音轨、录音或文字转语音。先制作照片唱歌短片，检查嘴部动作、表情和构图，再扩展为歌曲表演、个性祝福或讲解视频。
把清晰的人像与演唱音轨组合成照片唱歌视频。上传歌曲，也可以先在音乐面板准备音频，再为图片添加演唱表演。图片决定人物和构图，音频提供旋律、人声和演唱节奏。先检查短片中的嘴部与表情，再制作更长的歌曲演出。
上传录音、在浏览器录制祝福，或通过文字转语音准备台词。用图片说话制作个性问候、故事讲述、课程片头和简短公告。先试听姓名与专业术语，调整语速和语气，再把音轨用于人像动画。
选择清晰图片，添加说话或演唱音频，检查模型、分辨率和积分费用。多人图片可以选用支持说话者遮罩的模型；双人对话则使用专门的播客流程。先生成短片，查看嘴部动作、表情和画面，再扩展到更长的视频。
用清晰画面完整呈现歌曲、故事、课程与长段表演。支持的口型模型提供最高 4K 输出和最长 10 分钟视频，生成器会显示对应设置。
从真人照片到动漫角色、插画人物和动物形象，为不同类型的角色添加说话或唱歌表演，选择适合素材的模型即可开始。
支持的模型提供可视化遮罩，帮助选中需要说话的人物；双人播客流程可分配独立音轨，检查声音与角色的对应关系。 通过音频与表演提示词引导面部表情和动作，让角色传达更贴合台词的情绪。先预览短片，检查表情、嘴部与整体表达。
以原始人物、动物或角色的面部与参考细节为基础，保持角色在表演中的辨识度，让观众关注熟悉的形象和内容。
利用说话、旁白或演唱音轨驱动角色。清晰的人声和可见的嘴部有助于制作问候、讲解和歌曲表演。
每天登录领取免费点数，在符合条件的基础设置下试做 7 秒视频。图片生成、语音与音乐准备、角色动画和成片预览都在同一工作区完成。
标准版
* 年订阅额度一次性发放，按年周期刷新（每12个月）。
安全支付
可用支付方式因设备和地区而异。
专业版
* 年订阅额度一次性发放，按年周期刷新（每12个月）。
安全支付
可用支付方式因设备和地区而异。
基础版
* 年订阅额度一次性发放，按年周期刷新（每12个月）。
安全支付
可用支付方式因设备和地区而异。
按需付费，点数永久不过期。
安全支付
可用支付方式因设备和地区而异。
使用先进的AI说话照片技术将静态图像转换为动态说话视频。使用我们尖端的图片口型同步引擎创建AI数字人头像、歌唱肖像和AI唱歌照片。
我们的AI说话照片生成器利用尖端人工智能以惊人的准确度为静态肖像制作动画。先进的图片口型同步技术分析音频并为面部特征制作动画，创建具有完美音视频同步的专业AI数字人头像和歌唱肖像。
将您的肖像图片(JPG、PNG)和音频文件(WAV、MP3)导入我们的AI说话照片生成器
调整宽高比、引导比例和音频引导以获得最佳AI数字人头像生成效果
我们智能的图片口型同步引擎自动生成同步的AI唱歌照片
查看您专业同步的AI说话照片视频并下载结果
