AI 对口型：让照片跟着声音说话或唱歌
用 AI 对口型视频生成器，让照片跟着你的语音说话或随歌曲演唱。上传人像和音频，试听并选好 4–15 秒片段，设置 768P 或 2K 画质及画面比例，完成后可预览并下载 MP4。生成需登录且可用余额不少于20积分，每次真实扣除20积分，赠送和签到积分也能使用。
人像
一张清晰人像 · JPG、PNG 或 WebP · 最大 30 MB · 至少 256 × 256
人声或歌曲
选择 4–15 秒清晰的说话或唱歌片段。
正在加载…
看看人像说话、播客、课堂讲解和唱歌等不同场景的演示。
播客主持
课堂讲解
人像演唱
对口型视频怎么做：先选声音，再准备人像
01
先决定让照片说一句话，还是唱一段歌
先听准备使用的声音，再决定画面里的人物要表现什么。一句介绍、生日祝福和一段副歌，适合不同的表情与动作。照片说话可以选完整的短句，让观众听清开头与结尾；照片唱歌则先找主唱明显的乐句，而不是一大段只有伴奏的过门。这里需要你提供音频，不会替你写台词、生成原歌曲或重新录制歌声。准备之前明确重点是文字、旋律还是人物反应，比较结果时才有具体标准。
照片说话适合一句自我介绍、一段祝福或简短讲解；照片唱歌可以先选自己歌曲里容易辨认的乐句。让人像的表情和声音相配，先做好一个完整片段，再比较不同照片的效果。成品 MP4 使用你选中的音频片段，准备时可以一边听声音，一边决定人物的表现方式。
02
嘴部看得清，人物也要留够画面空间
建议从一张单人、面部清晰的照片开始。正脸或轻微侧脸通常更方便观察嘴形，手、麦克风或头发遮住嘴部时，结果也更难评估。注意光线是否让上下唇有轮廓，人物在原图里是否太小。不要把提高输出画质当成修复模糊照片的办法。头部四周留一点空间，选择横屏或竖屏时才容易保持构图；多人合照最好先准备聚焦目标人物的素材，本页没有指定哪张脸演唱的多人选择器。
人像支持 JPG、PNG、WebP，文件不超过30 MB。当前服务端要求宽高都至少256像素，并拒绝超过3200万像素的图片。也可以选择已有角色人像，保存角色的访问仍遵循账号权限。提交前检查预览是不是想要的那张照片。图片会按比例放入目标画面，比例不同可能出现留边，不会自动延展成任意新背景。为了某个竖屏构图裁得很紧的图片，换成横屏时未必同样合适。
03
声音先听清楚，再考虑画面动作
音频可上传 MP3、WAV、M4A、AAC、OGG、FLAC，也能从账号云端音乐选择素材，本地上传文件上限30 MB。扩展名正确不等于文件内容有效，服务端还会实际解码。选中后先在片段编辑器试听，确认不是同名的其他版本。如果浏览器无法播放某种编码，先换成能试听的文件再提交。清晰的语音或歌声能帮助判断口型，长时间器乐、嘈杂背景和听不清的低声段落不适合作为第一次比较的起点。
先找一段主唱清楚的声音。如果伴奏盖住了歌词，可以先用本站的人声分离工具提取人声，再把人声文件上传到这里。选区保留开头的辅音、结尾的字和自然的呼吸停顿。试听处理后的片段，确认声音清楚，再填写表演方向。
先用人声分离工具提取清晰人声04
选完整的4–15秒，不要切掉首尾的字
每次请求使用4–15秒的整数时长，起点可以包含小数秒。通过波形与试听，找到一句话或一段歌词开始前的位置，别把首字辅音切掉。选好开头还要听结尾，检查是否截断尾字或长音。可以上传较长的录音并挑出片段，但一次不会把整首歌做成完整的对口型视频。超出音频结尾的选择不能提交，应提前起点或缩短时长，不能只看界面显示了一个数字就认为范围有效。
试听的选择决定本次送出的声音和最终音轨，不存在另外一套用于计费的隐藏片段。第一次测试可选一句自成意思的话，比跨越多个段落更容易判断口型。比较不同照片时，保留同一个片段；比较动作描述时，也尽量别同时换声音。记下起点和时长，后续才能区分效果变化究竟来自素材、指示还是不同的词。对于旋律，注意选区要有足够时间呈现你关心的发声部分。
05
画质、横竖屏和构图一起选
画质可选 768P 或 2K，比例有 9:16、16:9、1:1、4:3、3:4 五种，初始设置为 768P 和竖屏 9:16。竖屏可以突出人物，横屏适合保留周围环境，方形方便安排居中的头像。看一遍照片预览，按实际展示位置选择构图，再确认积分估算。
每次生成固定扣除20积分，768P和2K画质、4–15秒支持范围内的片段价格相同。画质和时长决定视频设置，积分费用按一次请求计算。工作台会先检查当前可用余额，不足时立即提示；正式上传前再刷新余额，后端扣费事务仍会独立核验，避免余额已经被其他任务使用时继续提交。比较照片或动作描述时，可以维持同一个音频片段，便于判断效果，也方便按剩余积分安排下一次尝试。
06
描述表演方式，生成后带声音检查
选填的表演描述最多 1,200 字符。可以写平静表情、轻微头部动作、固定镜头，保留两三个最重要的要求即可。轻声说话和有力的副歌适合不同的表现，指示应跟声音一致。比较新版本时保持音频片段相同，更容易听出和看出改变的效果。
播放成品时打开声音，检查第一个字、较快的辅音、拉长的元音和片段结尾，再看看眼睛、牙齿与脸部轮廓。想做下一版时，可以一次只调整照片、片段或表演描述中的一项。完整看过这段表演后，再下载 MP4，留下值得继续使用的版本。
07
确认生成资格，保存文件并检查素材授权
生成前请登录并确认可用余额至少20积分。注册赠送、签到、订阅和购买所得的可用积分都能使用，无须付费套餐；管理员也每次真实扣除20积分。可以先准备照片、试听音频，再检查画质和片段范围。完成后把MP4与原始素材一起保存。明确拒绝或生成确认失败时会退回积分，同一个请求不会重复扣费。历史记录可用于重新查看仍可用的结果。
使用自己拥有或已取得使用许可的照片和音频。照片中是真人时，确认对方同意这种表演方式；使用歌曲时，核对对应的使用范围。把原始素材、许可说明和成品一起保存，并按发布平台的要求标注生成内容。
制作照片说话、唱歌短片时的常见问题
怎样让照片说话或唱歌？
上传人像或选择已有角色，加入音频并试听4–15秒片段，再设置画质、比例和选填表演描述。确认预计积分及账号资格后登录生成。
支持哪些图片和音频格式？
图片支持JPG、PNG、WebP，音频支持MP3、WAV、M4A、AAC、OGG、FLAC，单个上传文件不超过30 MB，还须通过内容验证。提交前先确认声音可以播放。
能上传整首歌后只选一段吗？
文件在上传限制内且能解码即可选择其中4–15秒。使用波形和试听检查首尾；一次请求不会生成整首歌的视频。
画质与视频比例怎么选？
选择768P或2K，再从五种比例中挑选用途合适的画面。检查人像构图和更新后的积分估算，更高画质不保证口型更准确。
需要登录吗，积分怎么算？
登录后，可用余额不少于20积分即可生成，每次扣除20积分。两种画质及支持范围内的片段时长价格相同，赠送和签到积分都能使用，管理员也按同一规则扣费；明确失败会退回积分。
嘴形和声音不太合时先检查什么？
检查人声清晰度、选区首尾与嘴部是否无遮挡，再简化表演描述，每次只改变一个条件。工具不保证逐字完美同步。