对口型

把一张人像照片变成会说话的视频。

图片

点击上传

JPG / PNG / WEBP,最大 20 MB。

配音音频

上传音频文件

MP3 / WAV,最大 15 MB、时长 4–299 秒。
设置
积分: -
成本: —

对口型

示例视频

AI 照片说话生成器:让任何照片开口说话

将一张人像照片变成会说话的视频。上传清晰照片,添加你的配音或语音音频,Nereo 会驱动面部动画,让嘴唇、表情和头部动作跟随语音同步。适用于主持人、虚拟形象、角色和宠物,直接在浏览器中完成。

让照片开口说话

一张照片就够了

无需拍摄主持人。单张人像即可变成说话片段,你可以重复使用头像照、产品代言人图片、插画角色或 AI 生成的虚拟形象,次数不限。

让照片开口说话
将单张人像照片变成说话视频的步骤

嘴唇、表情和头部动作

Nereo 的图像对口型模型会跟随音频节奏,匹配嘴型、眨眼、轻微转头和表情变化,让结果看起来像真人在说话,而不是把嘴巴贴在静态图片上。

让照片开口说话
说话照片中自然嘴型的特写对比

选择适合任务的模型

在一个平台即可选用多款说话数字人模型。默认选择 OmniHuman 2.0,可生成富有表现力的说话和唱歌视频,最长约 5 分钟,每秒消耗 5 积分。OmniHuman 1.5 支持通过提示词控制生成 1080p 视频片段,此外还提供 Kling AI Avatar(标准版或专业版)和 MiniMax H3 Max Lip Sync。最长音频时长和每秒价格取决于你选择的模型。

让照片开口说话
不同 AI 说话照片模型并排对比

用观众的语言说话

面部会跟随你上传的任何音频,因此同一张照片可以输出英语、日语、西班牙语或中文配音。这是一种无需聘请新人才即可制作本地化代言人和产品信息的简单方法。

让照片开口说话
来自不同国家的主持人展示多语言说话视频

谁在使用 AI 说话照片生成器?

代言人和 UGC 风格广告

代言人和 UGC 风格广告

将主持人照片变成产品讲解、优惠公告和证言风格片段,并通过更换音频而非重新拍摄来制作新版本。

如何用 AI 制作说话照片

  1. 上传照片

    选择一张清晰的人像,面部可见、嘴唇区域无遮挡、光线均匀。正面或轻微角度的照片效果最佳。

  2. 添加音频

    上传配音、录制台词或歌曲片段。默认选择 OmniHuman 2.0;你可以切换模型,部分模型还支持输入简短提示词来控制表情和镜头运动。

  3. 生成并下载

    Nereo 会根据你的音频驱动面部动画。预览说话视频,检查时间同步,然后下载发布或编辑。

AI 说话照片生成器常见问题

什么是 AI 说话照片生成器?

AI 说话照片生成器将静态人像变成该面孔说话的视频。你提供照片和音频,AI 会驱动嘴唇、表情和头部动作与语音匹配。

什么样的照片效果最好?

请使用清晰的 JPG、PNG 或 WebP 图片,确保只有一张无遮挡的人脸、嘴唇可见且光线均匀。正面或轻微侧角的人像能获得最稳定的效果。人脸过小、阴影过重或手遮挡嘴部会降低生成结果的可靠性。

我可以使用什么音频,时长限制是多少?

上传清晰的语音录音或歌曲片段。使用默认模型 OmniHuman 2.0 时,请使用不超过 15 MB 的 MP3 或 WAV 文件,时长在 4 到 299 秒之间,因此单次生成可接近 5 分钟。OmniHuman 1.5 接受最长约一分钟的语音,其他部分模型支持的片段更短。工具会显示你所选模型的限制。

我可以让卡通、虚拟形象或宠物照片说话吗?

通常可以。OmniHuman 2.0 和 1.5 不仅能驱动真人,还能驱动插画角色、3D 风格吉祥物和动物。效果取决于面部和嘴部的绘制清晰度,如果角色看起来僵硬,可以多试几张图片。

AI 说话照片生成器免费吗?

你可以直接打开工具准备照片和音频,无需安装任何软件。生成按输出秒数消耗积分计费,费率取决于模型:默认的 OmniHuman 2.0 每秒消耗 5 积分。请在工具内和[定价](/pricing)页面查看价格。

我可以使用别人的照片吗?

仅使用你拥有或有权使用的照片,不要创建冒充或误导他人的视频。对于商业用途,请获得照片中人物的同意,检查语音和音频的权利,并添加平台要求的任何 AI 披露。

制作你的第一张说话照片