ارفع صورة شخصية واحدة والكلام الذي تريده، وستحوّلها الصورة الناطقة بالذكاء الاصطناعي إلى فيديو لهذا الوجه وهو يقول كل كلمة.
تحصل على ملف MP4 بطول صوتك. تستغرق معظم المقاطع القصيرة 3–5 دقائق.
أحد اختباراتنا: صورة شخصية واحدة وجملة منطوقة واحدة تحوّلتا إلى فيديو ناطق. شغّل الصوت.

الجملة التي يقولها بالإنجليزية: «Hi there. A minute ago this clip was silent. Now every word I say matches my lips.»
المستوى القياسي · 6.5 ثانية من الكلام · 56 رصيد · نحو 3.5 دقيقة
جعلنا الرجل نفسه يقول الجملة نفسها مرتين: مرة بالصورة الناطقة بالذكاء الاصطناعي، ومرة بتحريك الصورة ثم مزامنة شفاهها.
صورة وصوت في الإدخال، وفيديو ناطق في الإخراج. خطوة واحدة، ويتحرك الرأس والوجه مع الكلام.
56 رصيد
أولًا مقطع صامت مدته 8 ثوانٍ من الصورة، ثم يُعاد رسم الفم وفق الجملة. خطوتان، وتختار الحركة في الخطوة الأولى.
30 + 64 = 94 رصيد
لصورة شخصية واحدة تتكلم، الصورة الناطقة بالذكاء الاصطناعي أرخص وأبسط. ابدأ بالتحريك عندما تحتاج إلى حركة محددة أو لقطة أطول أو مشهد حول الوجه.
الصورة الناطقة بالذكاء الاصطناعي هي فيديو يُصنع من صورة ثابتة واحدة ومقطع صوتي: يفتح الوجه في الصورة فمه ويرمش ويحرّك رأسه بالتزامن مع الكلام. تقدّم صورة شخصية وتسجيلًا صوتيًا، فيُرسم كل إطار لهذا الشخص وهو يتكلم.
تمنح الصوت وجهًا دون كاميرا. يمكن لشرح منتج أو مقدمة دورة أو صورة عائلية أو شخصية مولّدة بالذكاء الاصطناعي أن تتكلم خلال دقائق بدلًا من يوم تصوير.
يقرأ النموذج الصوت ويحدد شكل الفم لكل صوت، إضافة إلى الحركات الصغيرة التي ترافق الكلام: إيماءة عند كلمة مشدّدة، وحاجبان مرفوعان عند السؤال، ورمشات بين العبارات. ثم يرسم كل إطار من صورتك، محافظًا على الوجه والشعر والملابس كما هي بينما تتغير التعابير.
هوية الشخص وتسريحة شعره وملابسه والخلفية وتأطير صورتك.
حركة شفاه تطابق الكلمات، ورمشات طبيعية، وحركة خفيفة للرأس والكتفين، وصوتك مسارًا صوتيًا للفيديو.
تعمل الصورة الناطقة بالذكاء الاصطناعي بالكامل في متصفحك. بلا كاميرا وبلا برامج تحرير.
صورة JPG أو PNG لوجه واحد ينظر إلى الكاميرا، لا يقل كل جانب منها عن 300 بكسل.
تسجيل بصيغة MP3 أو WAV أو M4A أو AAC. حتى 15 ثانية في المستويين القياسي وHD، و30 ثانية في السينمائي.
اختر الجودة، وحدّد مربع الموافقة، ثم اضغط «تحريك». تجهز معظم المقاطع القصيرة خلال ثلاث إلى خمس دقائق.
تستخدم المستويات كلها الصورة والصوت نفسيهما، وتختلف في الوضوح، وفي أقصى مدة للكلام، وفي مدى واقعية الحركة.
8 رصيد لكل ثانية
منشورات التواصل الاجتماعي والمسودات والاختبارات السريعة. مثالنا أعلاه بالمستوى القياسي.
16 رصيد لكل ثانية
المقدّمون والإعلانات وكل ما يُعرض بملء الشاشة على الحاسوب.
27 رصيد لكل ثانية
الخطابات الأطول والأداء المعبّر وأكثر حركات الرأس والجسم واقعية.
لا تستطيع الصورة الناطقة بالذكاء الاصطناعي تحريك إلا ما تراه. هذه الأمور الخمسة تصنع الفرق الأكبر.
من الأمام أو بانحراف خفيف. الصورة الجانبية لا تُظهر إلا نصف الفم.
يحتاج النموذج إلى زاويتي الشفتين معًا لتشكيل كل كلمة.
التعبير المحايد أو الابتسامة الخفيفة يتركان للنموذج مجالًا لفتح الفم بشكل طبيعي.
الابتسامة العريضة أو الفم المفتوح في الصورة يتعارضان مع كل كلمة.
إضاءة متساوية على الوجه، بلا ظلال قوية، ولا يقل كل جانب عن 300 بكسل.
التفاصيل حول العينين والشفتين هي ما يجعل الحركة مقنعة.
اقتصّ صور المجموعات إلى الوجه الوحيد الذي تريده أن يتكلم.
مع عدة وجوه، قد يبدأ الوجه الخطأ بالكلام.
لا أيدي ولا ميكروفونات ولا نظارات شمسية ولا شعر فوق الفم.
الملامح المغطاة يُعاد رسمها بشكل سيئ أو لا تُرسم أبدًا.
مدة الفيديو تساوي مدة صوتك تمامًا، وتدفع مقابل تلك الثواني. القليل من التحضير يوفّر رصيدك.
قصّ الثواني الصامتة في البداية والنهاية، فهي تكلّف مثل الكلام.
سجّل في غرفة هادئة وقريبًا من الميكروفون. الموسيقى الخلفية أو صوت ثانٍ قد يجعلان الشفاه تتبع الصوت الخطأ.
الاستراحات القصيرة بين الجمل تمنح الوجه وقتًا ليرمش ويستعيد وضعه، فيبدو أكثر إنسانية.
يتبع الفم الأصوات لا الكلمات، لذا تصلح أي لغة منطوقة أو لهجة.
ثلاث طرق لتُظهر على الشاشة شخصًا يقول كلماتك. اختر بحسب ما تبدأ به.
السعر على Imgveo
40 رصيد مقابل 5 ثوانٍ في المستوى القياسي
السعر على Imgveo
40 رصيد لمقطع مدته 5 ثوانٍ
السعر على Imgveo
من 30 رصيد لمقطع مدته 8 ثوانٍ مع الصوت
الأسعار مأخوذة من قائمة أسعارنا الحالية.
في كل مكان يقول فيه الوجه الفكرة أفضل من نص على شريحة عرض.
امنح صفحة منتج أو دورة تدريبية أو مسار تهيئة وجهًا ودودًا يتكلم.
استخدم الصورة الشخصية نفسها في كل فيديو ليتعرّف المشاهدون على المقدّم.
دع شخصية مولّدة تعرّف بنفسها أو تروي قصة أو تردّ على أحد المعجبين.
ولّد الشخصية وهي تواجه الكاميرا بفم مغلق، كما في مثالنا.
أعد الحياة إلى صورة قديمة برسالة سجّلها أحد الأقارب.
امسح الصورة ضوئيًا بوضوح واقتصّها إلى وجه واحد قبل الرفع.
سجّل الرسالة نفسها بعدة لغات واستخدم صورة شخصية واحدة لها كلها.
اجعل التسجيلات متقاربة في الطول لتبدو الفيديوهات متناسقة.
حدود صريحة، لتعرف ما تتوقعه قبل أن تنفق رصيدك.
يتحرك الوجه والرأس والكتفان. أما المشي والإيماءات وحركات الكاميرا فتحتاج إلى نموذج فيديو.
إذا كان نصف الفم مخفيًا، تبدو الحركة خاطئة. استخدم صورة أمامية.
يقبل المستويان القياسي وHD حتى 15 ثانية، والسينمائي حتى 30. قسّم النصوص الأطول إلى عدة مقاطع.
تحتاج إلى حق استخدام الوجه والصوت. نحظر المحتوى الذي يخالف قواعدنا.
ما تقبله الصورة الناطقة بالذكاء الاصطناعي، وما تعيده، وكم تكلّف.
الصورة: JPG أو PNG حتى 10 MB، بدقة 300 px على الأقل، ولا تتجاوز نسبة الطول إلى العرض أو العكس 2.5 إلى 1. الصوت: MP3 أو WAV أو M4A أو AAC حتى 10 MB.
ملف MP4 بطول صوتك، مع كلامك مسارًا صوتيًا، بدقة 720p في المستوى القياسي و1080p في HD والسينمائي.
8 أو 16 أو 27 رصيد لكل ثانية من الصوت، مع التقريب إلى ثوانٍ كاملة. للخطط المدفوعة فقط. تُعاد أرصدة العمليات الفاشلة.
| مدة الصوت | قياسي | HD | سينمائي |
|---|---|---|---|
| 5 ثانية | 40 | 80 | 135 |
| 10 ثانية | 80 | 160 | 270 |
| 15 ثانية | 120 | 240 | 405 |
| 30 ثانية | — | — | 810 |
يمكن للصورة الناطقة أن تُظهر أي شخص وكأنه يقول أي شيء، لذلك نطلب الإذن أولًا. قبل كل عملية تؤكد أن لديك الحق في استخدام الوجه والصوت، وتُفحص كل صورة.
افتح Imgveo Studio لتشغيل هذه الأداة وكل نماذج فيديو وصور الذكاء الاصطناعي الأخرى من مساحة عمل واحدة، برصيد نقاط واحد.
امنحها صوتًا، ثم اذهب أبعد.
لديك فيديو بالفعل؟ زامن فمه مع كلام جديد بدلًا من ذلك.
ابدأ مزامنة الشفاهحرّك صورة مع حركات كاميرا ومشهد من حولها.
حرّك صورةارفع دقة صورتك الناطقة إلى 2K أو 4K للشاشات الكبيرة.
كبّر فيديوولّد مشاهد جديدة بحوار وصوت مدمجين.
جرّب Veo 3.1ارفع صورة شخصية ومقطعًا صوتيًا، وستتولى الصورة الناطقة بالذكاء الاصطناعي الباقي خلال دقائق.