Как сделать говорящее фото

Загрузите портрет и дорожку с речью, нажмите запуск. Заставить фото говорить можно за один проход: модель разложит звук на фонемы и подгонит под них форму рта.

Как сделать, чтобы фото говорило текст, без своей записи

Выберите HeyGen Avatar IV и напишите реплику под загрузкой. Голос он синтезирует сам. Остальные модели без аудио не запускаются.

Что такое липсинк

Липсинк — совпадение движения губ со звуком. Технология слышит фонему и ставит рту нужную форму, кадр за кадром.

Чем это отличается от оживления фото

Анимация даёт движение без слов: поворот головы, взгляд, дыхание. Здесь движение губ подчинено дорожке, и без звука ничего не выйдет.

Можно ли взять чужое фото

Только если человек на снимке дал на это согласие. Готовый ролик неотличим от настоящей съёмки, поэтому выдавать его за неё запрещено.

Говорящее фото: портрет заговорит вашим голосом

Загрузите портрет и дайте голос: своё аудио или написанный текст. Нейросеть подгонит артикуляцию под звук, и человек на снимке заговорит. Панель работает онлайн, на русском.

ИИ Аватар

Модель

Изображение *

JPEG, PNG или WEBP · до 25 МБ · одно лицо в кадре

Звук *

MP3, WAV, OGG, M4A, AAC или FLAC · до 64 МБ

Что в кадре *

0 / 2000

Спишется за секунду видеоот 25 кр

Столько, сколько длится ваша дорожка. HeyGen произносит написанный текст, остальным нужен файл со звуком.

Один запуск: снимок и дорожка на входе, говорящий ролик на выходе

Кадры, из которых получается говорящее фото

Женщина в деловом костюме держит флакон косметики и говорит на камеру, рот приоткрыт на полуслове.

Рисованная трёхмерная девушка в профиль, тёмные волосы собраны, улыбается на полуслове.

Молодой человек с голубыми волосами говорит на камеру на фоне груды денег.

Кому нужно говорящее фото

Старое фото из семейного архива

Отсканированный портрет прабабушки произносит поздравление её же голосом с диктофонной записи. Скан нужен чёткий, анфас.

Урок и презентация

Преподаватель начитывает материал, а в кадре говорит его фотография. Поправить текст можно без пересъёмки: меняется аудио.

Карточка товара и соцсети

Продавец голосом объясняет, чем товар отличается. Говорящее фото держит внимание в ленте соцсети дольше картинки.

Рисованный персонаж

Иллюстрация или трёхмерный герой оживают так же, как фотография: модель ищет лицо, не человека.

Как заставить фото говорить за 3 шага

Шаг 1
Загрузите портрет
Панель принимает JPEG, PNG и WEBP. Лицо крупно и анфас: боковой ракурс, тёмный кадр и двух человек рядом модель разбирает хуже.
Шаг 2
Дайте голос
Своё аудио кладите во второй слот: MP3, WAV, OGG, M4A, AAC или FLAC, до 64 МБ. Записи нет — HeyGen озвучит написанный текст сам.
Шаг 3
Заберите ролик
Кнопка отдаёт MP4 с готовым липсинком. Длится он столько, сколько звучит дорожка.

По каким признакам видно хорошую синхронизацию

Губы попадают в звук

Смотрите на смыкание губ, а не на всё лицо. Согласные «п» и «б» требуют полного смыкания, и открытый рот в этот момент означает сбитую синхронизацию.

Мимика живёт целиком

Хороший результат двигает всё лицо. Брови и веки работают вместе с речью; лицо, где шевелится только челюсть, читается маской.

Черты не плывут к концу

Длинная дорожка нагружает модель сильнее короткой. Промотайте ролик в конец: расплывшийся нос и меняющийся оттенок кожи означают, что дорожку пора резать.

Форматы, длительность и цена

Что на входе	портрет JPEG, PNG или WEBP и дорожка MP3, WAV, OGG, M4A, AAC или FLAC
Вес файлов	картинка до 25 МБ, звук до 64 МБ
Что на выходе	готовый MP4: говорящий портрет с синхронной артикуляцией
Длительность ролика	равна длине дорожки, отдельной настройки нет
Разрешение	480p у InfiniteTalk, 720p у Kling и Hedra, 1080p у OmniHuman
Цена	от 25 кредитов за секунду готового видео
Язык речи	любой: артикуляцию задаёт звук, а не язык текста
Чего не делает	не переозвучивает готовое видео

Что учесть перед запуском

Длительность задаёт дорожка: ролик идёт ровно столько, сколько записано речи. Выбора «5 или 10 секунд» у этих моделей нет. Цена поэтому посекундная: минута речи на Kling AI Avatar обойдётся в 3 900 кредитов. Чужой портрет берите только с согласия человека на снимке: ролик выглядит как настоящая запись, и выдавать его за неё нельзя.

HeyGen — Avatar IV Hedra — Character-3

Какие нейросети делают ии-аватар и что просят на входе

Таблица листается вбок →

	Kling AI Avatar	Hedra Character-3	HeyGen Avatar IV	InfiniteTalk
Что подать на вход	портрет и готовая дорожка	портрет и готовая дорожка	портрет и текст, дорожка не обязательна	портрет и готовая дорожка
Сколько стоит	65 кредитов за секунду	65 кредитов за секунду	80 кредитов за секунду	25 кредитов за секунду
Когда выбирать	запись голоса уже есть	крупный план, где важны ровные губы	своей записи нет, реплику проще написать	самый дешёвый запуск, 480p

Первым в панели стоит Kling AI Avatar. Модели делятся по входу, и от этого зависит порядок работы. Kling, Hedra, InfiniteTalk и OmniHuman берут готовую дорожку: без неё запуск не начнётся. HeyGen Avatar IV озвучивает текст сам.

Можно ли озвучить портрет бесплатно

Сколько дают на входе	150 кредитов на счёт сразу после регистрации
На что хватит	шесть секунд говорящего портрета на InfiniteTalk в 480p
Дальше	от 575 кредитов за секунду готового ролика
Чем платят	рублями: картой или переводом по СБП, без зарубежной карты
Чего тут нет	безлимита: посекундный счёт на всех тарифах

Бесплатный старт конечен, и цифру вы знаете заранее. Сто пятьдесят кредитов приходят один раз после регистрации, карту никто не спрашивает. Хватает их на шесть секунд видео на InfiniteTalk.

Что делать, если губы не попали в звук

Что видно в результате	Причина	Что сделать
Кнопка запуска не нажимается	выбрана модель, которой дорожка обязательна	прикрепите звук или возьмите HeyGen Avatar IV: он произносит текст
Видео не сгенерировалось	в дорожке шум, музыка или эхо	OmniHuman 1.5 требует чистой разборчивой речи; перезапишите голос без фона
Списалось больше кредитов, чем думали	счёт идёт за секунду видео	умножьте длину дорожки на цену модели
Губы шевелятся, а лицо нет	портрет снят в профиль или лицо мелкое	возьмите кадр анфас, где лицо занимает треть высоты