Crie uma foto falante com IA
Envie um retrato e a fala que você quer. A foto falante com IA cria um vídeo desse rosto dizendo cada palavra.
- Basta uma foto
- Qualquer faixa de voz
- Até 1080p
- Pague por segundo
Você recebe um MP4 com a duração do seu áudio. A maioria dos clipes curtos leva 3–5 minutos.
Exemplo de foto falante com IA
Um dos nossos próprios testes: um único retrato e uma frase falada, transformados em um vídeo que fala. Ligue o som.
A fala dele, em inglês: “Hi there. A minute ago this clip was silent. Now every word I say matches my lips.”
Nível Padrão · 6,5 s de fala · 56 créditos · cerca de 3,5 minutos
Uma foto, uma fala, dois caminhos
Fizemos o mesmo homem dizer a mesma frase duas vezes: uma com a foto falante com IA e outra animando a foto e depois sincronizando os lábios.
Foto falante com IA
1 etapaEntram foto e áudio, sai um vídeo que fala. Um único passo, e a cabeça e o rosto se movem com a fala.
56 créditos
Animar e depois sincronizar os lábios
2 etapasPrimeiro um clipe mudo de 8 segundos a partir da foto, depois a boca redesenhada para a frase. Dois passos, e você escolhe o movimento no primeiro.
30 + 64 = 94 créditos
Para um único retrato falando, a foto falante com IA é mais barata e mais simples. Anime primeiro quando precisar de um movimento específico, de uma tomada mais longa ou de uma cena em volta do rosto.
O que é uma foto falante com IA?
Uma foto falante com IA é um vídeo criado a partir de uma imagem estática e de uma faixa de áudio: o rosto da foto abre a boca, pisca e move a cabeça no ritmo da fala. Você fornece um retrato e uma gravação de voz, e ela gera cada quadro dessa pessoa falando.
Ela dá um rosto a uma voz, sem câmera. Um vídeo explicativo de produto, a abertura de um curso, uma foto de família ou um personagem de IA podem falar em minutos, em vez de um dia de gravação.
Como a foto falante com IA funciona
O modelo lê o áudio e calcula o formato da boca para cada som, além dos pequenos movimentos que acompanham a fala: um aceno de cabeça numa palavra enfatizada, sobrancelhas erguidas numa pergunta, piscadas entre as frases. Depois desenha cada quadro a partir da sua foto, mantendo o rosto, o cabelo e a roupa iguais enquanto a expressão muda.
O que ela mantém
A identidade da pessoa, o penteado, a roupa, o fundo e o enquadramento da sua foto.
O que ela adiciona
Movimento dos lábios sincronizado com as palavras, piscadas naturais, pequenos movimentos de cabeça e ombros, e o seu áudio como trilha sonora.
Como fazer uma foto falar em 3 passos
Toda a foto falante com IA acontece no seu navegador. Sem câmera e sem programa de edição.
Envie um retrato
Um JPG ou PNG de um rosto olhando para a câmera, com pelo menos 300 pixels de cada lado.
Adicione a fala
Uma gravação em MP3, WAV, M4A ou AAC. Até 15 segundos nos níveis Padrão e HD, e 30 segundos no nível Cinema.
Escolha um nível e anime
Escolha a qualidade, marque a caixa de consentimento e clique em Animar. A maioria dos clipes curtos fica pronta em três a cinco minutos.
Padrão, HD ou Cinema: qual nível escolher
Todos os níveis usam a mesma foto e o mesmo áudio. Eles mudam na nitidez, na duração máxima da fala e no realismo do movimento.
Padrão
8 créditos por segundo
- Saída
- 720p
- Áudio máximo
- 15 s
Posts em redes sociais, rascunhos e testes rápidos. O nosso exemplo acima é Padrão.
HD
16 créditos por segundo
- Saída
- 1080p
- Áudio máximo
- 15 s
Apresentadores, anúncios e tudo o que aparece em tela cheia num computador.
Cinema
27 créditos por segundo
- Saída
- 1080p
- Áudio máximo
- 30 s
Falas mais longas, interpretação expressiva e o movimento de cabeça e corpo mais realista.
O que faz uma boa foto
A foto falante com IA só consegue animar o que vê. Estas cinco coisas fazem a maior diferença.
Rosto voltado para a câmera
De frente ou levemente virado. Um perfil mostra só metade da boca.
Por que importa
O modelo precisa dos dois cantos dos lábios para formar cada palavra.
Boca fechada e relaxada
Uma expressão neutra ou um sorriso leve dá ao modelo espaço para abrir a boca com naturalidade.
Por que importa
Um sorriso largo ou a boca aberta na foto atrapalham cada palavra.
Nítida e bem iluminada
Luz uniforme no rosto, sem sombras fortes e com pelo menos 300 pixels de cada lado.
Por que importa
São os detalhes em volta dos olhos e dos lábios que tornam o movimento convincente.
Uma só pessoa
Recorte fotos de grupo até sobrar só o rosto que deve falar.
Por que importa
Com vários rostos, o rosto errado pode começar a falar.
Nada na frente do rosto
Sem mãos, microfones, óculos de sol ou cabelo sobre a boca.
Por que importa
Traços cobertos são redesenhados mal ou nem são redesenhados.
Como preparar o áudio
O vídeo tem exatamente a duração do seu áudio, e você paga por esses segundos. Um pouco de preparo economiza créditos.
- 1
Corte os silêncios
Tire os segundos em silêncio do início e do fim. Eles custam o mesmo que a fala.
- 2
Uma só voz clara
Grave num ambiente silencioso, perto do microfone. Música de fundo ou uma segunda voz podem fazer os lábios seguirem o som errado.
- 3
Pausas naturais ajudam
Pausas curtas entre as frases dão ao rosto tempo para piscar e se recompor, o que parece mais humano.
- 4
Qualquer idioma funciona
A boca segue os sons, não as palavras, então qualquer idioma falado ou sotaque funciona.
Avatar falante com IA, sincronização labial ou vídeo com fala nativa?
Três formas de ter uma pessoa na tela dizendo as suas palavras. Escolha pelo que você tem para começar.
Foto falante com IA
- Você começa com
- Uma foto, mais áudio
- Ideal para
- Apresentadores, avatares e personagens quando você não tem vídeo
- Atenção a
- Só a cabeça e os ombros se movem; o fundo fica parado
Preço na Imgveo
40 créditos por 5 s no Padrão
Sincronização labial com IA
- Você começa com
- Um vídeo, mais áudio
- Ideal para
- Dublagem e correção de falas em vídeos que você já tem
- Atenção a
- Precisa de um rosto nítido no vídeo
Preço na Imgveo
40 créditos por um clipe de 5 s
Vídeo com fala nativa
- Você começa com
- Um prompt de texto com o diálogo
- Ideal para
- Cenas novas em que imagem e voz são geradas juntas
- Atenção a
- Você não escolhe exatamente o rosto nem a voz
Preço na Imgveo
A partir de 30 créditos por um clipe de 8 s com som
Os preços vêm da nossa tabela de preços atual.
Usos da foto falante com IA
Em qualquer lugar onde um rosto diria melhor do que um texto num slide.
Apresentadores e vídeos explicativos
Dê a uma página de produto, a um curso ou a um fluxo de boas-vindas um rosto simpático que fala.
Experimente
Use o mesmo retrato em todos os vídeos para o público reconhecer o apresentador.
Personagens de IA
Deixe um personagem gerado se apresentar, contar uma história ou responder a um fã.
Experimente
Gere o personagem olhando para a câmera, com a boca fechada, como no nosso exemplo.
Fotos de família
Dê vida a um retrato antigo com uma mensagem gravada por um parente.
Experimente
Digitalize a foto com nitidez e recorte-a para um único rosto antes de enviar.
Mensagens em vários idiomas
Grave a mesma mensagem em vários idiomas e use um único retrato para todas.
Experimente
Mantenha as gravações com duração parecida para os vídeos ficarem consistentes.
O que uma foto falante com IA não consegue fazer
Limites honestos, para você saber o que esperar antes de gastar créditos.
Ação de corpo inteiro
O rosto, a cabeça e os ombros se movem. Andar, gesticular e mover a câmera exigem um modelo de vídeo.
Perfis e bocas cobertas
Se metade da boca está escondida, o movimento fica errado. Use uma foto de frente.
Falas muito longas
Padrão e HD aceitam até 15 segundos, Cinema até 30. Divida roteiros mais longos em vários clipes.
A imagem de outra pessoa
Você precisa ter o direito de usar o rosto e a voz. Bloqueamos conteúdo que viola as nossas regras.
Formatos, limites e preços
O que a foto falante com IA aceita, o que devolve e quanto custa.
Entrada
Foto: JPG ou PNG de até 10 MB, com pelo menos 300 px e proporção de no máximo 2.5 para 1 na largura ou na altura. Áudio: MP3, WAV, M4A ou AAC de até 10 MB.
Saída
Um MP4 com a duração do seu áudio, com a sua fala como trilha sonora, em 720p no Padrão e em 1080p no HD e no Cinema.
Preço
8, 16 ou 27 créditos por segundo de áudio, arredondado para segundos inteiros. Só nos planos pagos. Processamentos com falha são reembolsados.
Preço por duração
| Duração do áudio | Padrão | HD | Cinema |
|---|---|---|---|
| 5 s | 40 | 80 | 135 |
| 10 s | 80 | 160 | 270 |
| 15 s | 120 | 240 | 405 |
| 30 s | — | — | 810 |
Consentimento e uso responsável
Uma foto falante pode fazer qualquer pessoa parecer dizer qualquer coisa, por isso pedimos permissão primeiro. Antes de cada processamento, você confirma que tem o direito de usar o rosto e a voz, e toda foto passa por uma verificação.
- Use o seu próprio rosto, o de uma pessoa que consentiu ou um personagem que você gerou.
- Não faça figuras públicas, menores de idade ou pessoas comuns parecerem dizer coisas que nunca disseram.
- Identifique vídeos de foto falante como feitos com IA quando a sua plataforma pedir.
Perguntas frequentes sobre foto falante com IA
Quer todos os modelos de IA em um só lugar?
Abra o Imgveo Studio para usar esta e todas as outras ferramentas de vídeo e imagem com IA em um único espaço de trabalho, com um só saldo de créditos.
Mais ferramentas de vídeo
Dê uma voz e depois vá além.
Sincronização labial com IA
Já tem um vídeo? Sincronize a boca dele com uma nova fala.
Sincronizar um vídeoImagem para Vídeo
Anime uma foto com movimentos de câmera e uma cena em volta.
Animar uma fotoUpscaler de Vídeo com IA
Leve a sua foto falante para 2K ou 4K em telas grandes.
Ampliar um vídeoVeo 3.1
Gere cenas novas com diálogo e som integrados.
Experimentar o Veo 3.1Faça sua foto falar
Envie um retrato e uma faixa de voz, e a foto falante com IA faz o resto em poucos minutos.