AI 照片口播
让一张人物照片在原场景中开口说话。输入简短文案，或上传 1–10 秒口播录音；可先用默认照片尝试。当前为测试版。
人物照片
真实生成示例 · 点击带声音播放
使用默认人物生成的真实测试结果。示例音频为英语，切换界面语言不会翻译音频。请检查字幕、口型与人物一致性。
把一段自我介绍，变成能播放的照片
个人主页需要一句开场白，课程刚上线想加一段欢迎语，或活动页面需要有人向观众打招呼时，可以从现有照片和一句话开始。
保留照片里的场景
AI 照片口播围绕原照片生成说话表情、眨眼和轻微头部动作。它适合让人物面向镜头传递一个简短信息，无需先设计新的演播室场景。
用文字试表达，用录音定语气
还在推敲措辞时，可以先写一句话试听生成的声音；已经录好介绍时，上传录音，让停顿、重音和原有语气成为表演参考。
先完成一个清楚的信息
一段短视频只表达一个重点，例如“欢迎来到我的摄影课”。把课程目录、人物履历或活动详情留给承载视频的页面，口播会更容易听懂。
放在观众需要认识你的地方
先确定这段话出现在什么位置，再决定第一句说什么。对刚看到页面的观众，简单明确的欢迎通常比长篇背景更有用。
个人主页的介绍区
当你已经有合适的头像，却暂时没有自拍视频时，可以尝试姓名加一句工作方向。生成后把视频作为介绍素材，与个人资料中的文字说明一起使用。
课程或教程的开头
在一节新课开头加入简短欢迎或学习目标，例如“这一节，我们先认识光线”。具体教学内容继续由后面的讲解承接，不把整节课压进一个短片。
活动邀请与纪念问候
为邀请页面准备一句时间明确的提醒，或为纪念视频录一段自己的问候。日期、人名和祝福用语要在生成后逐字试听，确认没有读错。
先选一句自然说得完的话
最多 180 字符是输入上限，不代表任何 180 字符都能在短片内读完。先按真实说话速度念一遍，再选择时长，比把整段说明直接粘贴进去更实用。
文字模式留出停顿
从“大家好，我是小林，欢迎来听今天的分享”这样的单句开始。用常见词、短分句和自然标点；如果需要急读才能结束，就继续删减。
录音模式保留原表达
准备 1–10 秒的 MP3、WAV 或 FLAC，大小不超过 20 MB。上传前在录音工具里去掉长静音，保留完整的开头和句尾，避免剪掉最后一个字。
照片让嘴部和轮廓清楚
选择一张 JPG、PNG 或 WebP 成年人照片，优先正面或轻微侧脸、光线均匀、嘴部无遮挡。避免手、围巾或其他人物挤在脸部附近。
从照片到一段可试听的口播
可以先用默认照片熟悉流程，再换成自己的素材。准备阶段只需要确定人物、说话内容和时长。
选择人物照片
上传一张清晰的单人人像，或保留默认照片。检查预览中的脸部和嘴部；替换照片后，确认当前选中的仍是想要出镜的人。
输入文案或添加录音
文字模式输入最多 180 字符，并选择 5、8 或 10 秒；录音模式上传 1–10 秒的语音文件。两种模式选其一，以当前模式内容生成。
确认报价并检查结果
登录且积分充足后生成，带声音播放整段结果。重点核对说出的字句、面部变化和口型，再下载适合使用的版本。
把试听当作发布前的最后一步
当前是测试版，目标是帮助你尝试照片口播。生成结果仍可能出现多余或乱码字幕、人物变化和口型偏差。
听内容，而不只看表情
从头听到尾，特别检查姓名、数字和专有名词。文字模式使用生成声音，不会从照片推断出本人的真实声音，也不提供声音克隆。
看人物，而不只看第一帧
检查开口、转头和句末停顿时是否仍像原人物，以及手部是否自然。中文、西班牙语和法语的生成语音尚未经过独立验证，应逐段试听。
按页面报价确认时长
单人视频使用 720p、24 fps 设置。当前 5 秒或 8 秒档为 3 积分，10 秒档为 5 积分；录音按能容纳实际时长的最小档位报价，以生成前显示为准。
想要换场景，还是换一种表演？
照片口播适合原场景里的直接讲话。如果需求已经包含麦克风、旋律或说唱节奏，可以选择更贴近目标的入口。
想像主持人一样开场
AI 人物播客视频会尝试生成单人桌前和麦克风场景，适合节目预告；照片口播更适合保留原照片的环境。
手中已有一段歌曲
AI 照片唱歌使用含人声的歌曲录音，让表演围绕旋律和乐句展开。它与这里的日常讲话有不同的动作方向。
常见问题
了解输入如何影响结果，以及下载前需要检查什么。
