AI Lip Sync: faça uma foto falar ou cantar
Com AI Lip Sync, um retrato fala ou canta acompanhando sua voz ou sua música. Ouça um trecho de 4 a 15 segundos, escolha 768P ou 2K e um formato, depois confira e baixe o MP4. Faça login com pelo menos 20 créditos utilizáveis; presentes e recompensas diárias também contam.
Retrato
Um rosto nítido · JPG, PNG ou WebP · até 30 MB · pelo menos 256 × 256
Voz ou música
Selecione de 4 a 15 segundos de fala ou canto nítido.
Carregando…
Veja retratos falando, apresentando podcasts, explicando uma aula ou cantando.
Apresentação de podcast
Explicação em aula
Apresentação musical
AI Lip Sync: escolha a frase e prepare um rosto visível
01
Comece pelo que a pessoa vai dizer ou cantar
Ouça o som que você quer mostrar antes de escolher a expressão. Uma apresentação, uma mensagem de aniversário e uma linha de refrão têm intenções diferentes, mesmo usando a mesma foto. Para fazer foto falar, procure uma frase que se entenda sozinha, com começo e fim audíveis. Para fazer foto cantar, escolha uma passagem em que a voz principal seja fácil de acompanhar. Pense se o público deve prestar atenção nas palavras, na melodia ou na reação do personagem. É você quem fornece a gravação; a página não escreve o discurso nem compõe a música original a partir de uma ideia.
Um retrato falando pode apresentar um projeto, dar uma saudação ou explicar uma ideia breve. Um retrato cantando pode interpretar uma frase reconhecível de uma música sua. Escolha uma expressão que combine com o som e comece com uma frase completa. O MP4 usa o trecho selecionado, então ouça esse áudio enquanto prepara a atuação.
02
Use um retrato claro, sem cobrir a boca
Uma pessoa com o rosto nítido e suficientemente grande na foto é um ponto de partida fácil de avaliar. De frente ou levemente de lado, a boca pode ser mais visível do que atrás de mão, cabelo ou microfone. Veja se a iluminação deixa o contorno dos lábios claro e se a imagem não está desfocada. Aumentar a qualidade de saída não garante consertar uma fonte ruim. Em uma foto de grupo, prepare uma imagem centrada em quem deve falar. A página não oferece um controle para indicar o falante entre vários rostos. Deixe um pouco de espaço em volta da cabeça.
O envio aceita JPG, PNG e WebP até 30 MB. Atualmente, o servidor exige pelo menos 256 pixels em cada lado e rejeita imagens com mais de 32 milhões de pixels. Também é possível escolher um retrato de personagem disponível, respeitando os acessos da conta para imagens salvas. Confira a prévia antes de enviar, especialmente se tiver arquivos com nomes parecidos. A foto é ajustada dentro do formato escolhido e pode deixar bordas dependendo da proporção. Trocar o formato não desenha um cenário novo nem acrescenta automaticamente o espaço que falta a um recorte muito fechado.
03
Ouça uma voz compreensível antes de descrever gestos
Você pode enviar MP3, WAV, M4A, AAC, OGG ou FLAC, ou selecionar uma música da biblioteca da sua conta. O limite de envio local é de 30 MB. O conteúdo precisa ser decodificado corretamente: uma extensão certa não torna válida uma gravação danificada. Reproduza o arquivo no editor de trecho e confirme a versão escolhida. Se o navegador não conseguir tocar uma codificação, prepare primeiro uma versão que você possa ouvir. Evite escolher a passagem só pelo nome ou pela duração, pois uma versão instrumental com título parecido pode não ter as palavras que você esperava.
Escolha um trecho com uma voz principal clara. Se o acompanhamento encobrir a letra, separe primeiro a voz com nossa ferramenta e carregue a faixa vocal aqui. Preserve a primeira consoante, o final da frase e as respirações naturais. Ouça o trecho preparado antes de decidir as expressões do retrato.
Separar uma voz clara com Vocal Remover04
Confira o início e o fim dos 4–15 segundos
Cada solicitação usa uma duração inteira entre 4 e 15 segundos. O começo pode ficar em uma fração de segundo, ajudando a entrar antes da primeira palavra sem cortar sua consoante. Use a forma de onda e depois ouça a seleção inteira. Um início bem escolhido não impede que o final interrompa a última sílaba ou uma nota longa. Você pode carregar uma gravação maior e escolher uma parte, mas um pedido não transforma a música inteira em vídeo. O intervalo precisa ficar dentro do áudio real; se passar do fim, escolha um início anterior ou reduza a duração.
O ponto de início e os segundos determinam o som enviado e o trecho usado no vídeo final. Não existe uma seleção diferente para ouvir e outra para calcular o pedido. Uma frase curta e completa costuma ser boa para a primeira comparação. Mantenha o mesmo trecho ao testar dois retratos ou duas descrições de atuação. Anote onde começa e quanto dura para não confundir uma mudança de palavras com o efeito da foto. Em um refrão, escute também a entrada da voz e o encerramento da última nota, não apenas a parte central da melodia que chama mais atenção.
05
Escolha formato e qualidade para o uso planejado
Escolha 768P ou 2K e uma das cinco proporções: 9:16, 16:9, 1:1, 4:3 ou 3:4. O padrão inicial é 768P e vertical 9:16. Um quadro vertical destaca a pessoa; um horizontal deixa mais espaço ao redor. Confira a foto na prévia e escolha uma composição adequada ao lugar onde mostrará o clipe.
Cada geração custa 20 créditos em 768P ou 2K, para qualquer trecho aceito de 4 a 15 segundos. A qualidade e a duração definem o vídeo, enquanto o preço permanece por solicitação. O painel verifica o saldo disponível e avisa imediatamente quando ele não é suficiente. Atualiza o saldo antes de enviar os arquivos, e o servidor o verifica novamente ao descontar os créditos. Compare retratos ou instruções com o mesmo áudio e planeje as próximas tentativas conforme o saldo restante.
06
Descreva a atuação e assista com o som ligado
O campo opcional de atuação aceita até 1.200 caracteres. Descreva uma expressão calma, movimentos leves de cabeça ou câmera fixa com poucas prioridades claras. Uma fala suave e um refrão enérgico pedem ênfases diferentes. Compare tentativas usando o mesmo trecho de áudio para perceber o efeito de cada mudança.
Assista ao resultado com o som ligado. Confira a primeira palavra, consoantes rápidas, vogais longas e o final, além dos olhos, dentes e contorno do rosto. Na próxima tentativa, altere só um elemento: retrato, trecho ou descrição. Baixe o MP4 depois de conferir a atuação inteira.
07
Confira o acesso, salve o arquivo e use material autorizado
Entre na conta e confira se há pelo menos 20 créditos utilizáveis. Presentes de cadastro, recompensas diárias, créditos de assinatura e comprados podem ser usados. Todas as contas, incluindo administradores, pagam 20 créditos por solicitação. Prepare o retrato, ouça o áudio e revise o enquadramento e o trecho antes de enviar. Guarde o MP4 junto aos arquivos originais. Recusas explícitas ou falhas confirmadas devolvem os créditos, e a mesma solicitação não é cobrada duas vezes.
Use fotos e áudios próprios ou autorizados para publicação. Confirme a permissão da pessoa reconhecível para a atuação pretendida e os direitos da música para o uso planejado. Guarde fontes e autorizações com o clipe e siga as orientações da plataforma sobre a identificação de conteúdo gerado.
Para preparar uma passagem antes de gerar, recorte sua gravação com a ferramenta de áudio.
Para começar com uma ideia musical nova, explore o gerador de música com IA.
Dúvidas sobre fazer uma foto falar ou cantar
Como faço uma foto falar ou cantar?
Escolha um retrato ou personagem disponível, adicione áudio e ouça 4–15 segundos. Defina qualidade, formato e atuação opcional, confira a estimativa e sua elegibilidade, e entre na conta para gerar.
Quais arquivos de imagem e som são aceitos?
JPG, PNG ou WebP para imagem; MP3, WAV, M4A, AAC, OGG ou FLAC para áudio. Cada envio pode ter até 30 MB e precisa passar pela validação do conteúdo. Confira a reprodução antes de enviar.
Posso escolher uma parte de uma música inteira?
Sim, se o arquivo estiver dentro do limite e puder ser decodificado. Selecione 4–15 segundos e escute as duas extremidades. Um pedido não gera a música inteira em vídeo.
Como escolho a qualidade e a proporção?
Selecione 768P ou 2K e um dos cinco formatos para seu destino. Confira o enquadramento e a estimativa atualizada. Resolução maior não garante sincronização labial mais precisa.
Preciso entrar na conta e como são calculados os créditos?
Faça login com pelo menos 20 créditos utilizáveis. Cada geração custa 20 créditos nas duas qualidades e para qualquer duração aceita. Presentes e recompensas diárias contam, e administradores também pagam. Falhas confirmadas devolvem os créditos.
O que verifico se os lábios não acompanham bem a voz?
Confira a clareza da voz, os limites do trecho e se a boca está visível. Simplifique a atuação e compare uma mudança por vez. A correspondência exata de todas as sílabas não é garantida.