照片说话，口型跟着你的声音走

是一段从静态照片和音频生成的视频，嘴部、眼睛和头部会配合声音运动。它不是真实拍摄记录，也不代表原照片人物当时说过这些内容。

上传清晰图片，添加音频或先把文字生成语音，选择模型并确认人物许可，最后点击“生成视频”。完成后带声音检查，再下载和分享。

可以尝试“丰富表情”，并用手部和上半身入镜的照片。在“动作描述（选填）”中写出简短要求，生成动作不保证完全照做，手部细节尤其需要检查。

“标准 720p”适合先试基本口播；“专业 1080p”输出分辨率较高；“丰富表情”同样输出 1080p，侧重更活跃的表情和动作。具体积分在“生成视频”按钮上显示。

需要。视频生成按所选模型和音频时长消耗积分，开始前“生成视频”按钮会显示所需数量。若使用“输入文字”，生成说话音频也单独消耗积分，音频按钮会显示所需积分。注册即送 100 积分；首次购买任意套餐或积分包后，这些积分会解锁并永久有效。

可以尝试，示例包含宠物、3D 角色和肖像画。“丰富表情”适合尝试这类形象，但嘴部需清晰可见，效果不保证和真人相同。画作和角色图也应有使用许可。

可以尝试清晰的人像，但不要把配音当成原人物真实说过的话。人物肖像和音频都须有适当授权，模糊、遮挡或过小的人脸会影响效果。

视频时长取决于音频。所有模式的音频都要超过 1 秒；“标准 720p”和“专业 1080p”最长支持 60 秒，“丰富表情”需短于 60 秒，正好 60 秒的音频要先剪短。文字生成的语音也须符合所选模式的时长限制。

不用。本页在浏览器里操作，录音需要麦克风权限。若设备或浏览器不能录音，可改为上传符合要求的音频文件。

可以上传自己的中文录音。文字方式使用预设音色，具体发音应先试听；本页不提供声音克隆，也不会根据一张照片推断人物原声。

需要明确说明是 AI 生成。只使用本人或已获授权的照片和音频，不用于冒充、欺骗、骚扰或伪造真实发言。