AI 照片说话
一张照片加一段台词,做成对着镜头开口说话的视频。
AI 照片说话是什么?
AI 照片说话把一张静止的人像做成开口说话的视频:放一张照片,再给一段声音(打字让 AI 配音,或上传自己的 MP3 / WAV),照片里的脸就跟着声音动嘴、眨眼、转头。在 blubiu 上,真人照片、插画和 3D 角色都能用,视频长度跟着音频走,最长 60 秒。
信息核对于 2026-11-03
适合谁
- +不开机位也能有人出镜:AI 照片说话把一张人像做成口播视频,讲产品更新、课程开场、销售介绍都行。
- +让 IP 角色、吉祥物开口:从角色库里选出它,给一句台词。我们实测一只黏土风的水手猫,能边说边做表情和手势。
- +手上已经有配音、播客片段或录好的话,想配一个出镜的脸:上传 MP3 或 WAV,照片就照着它对口型。
- +想找个让照片说话的 App,又不想装软件:AI 照片说话在手机、电脑的浏览器里就能做。
- +做社媒账号的 AI 口播主持人:同一个主持人,每天换一段台词。留好一张照片反复用,每条视频都是同一张脸。
AI 照片说话怎么做
- 01
放一张照片
上传一张人像,或者从角色库里选一个角色。脸清楚、朝向镜头、胸部以上的构图,口型最干净。
- 02
给它一段声音
写台词、从 10 个声音里选一个、点「配音」,先试听;或者切到「上传音频」,放自己的 MP3 / WAV,最长 60 秒。
- 03
生成口播视频
「开始生成」按钮上会标出这一次要多少积分,按音频长度算。我们实测 5–7 秒的一句话要 6–7.5 分钟;可以关掉页面,做好后出现在「作品」页。
AI 照片说话出好效果的技巧
用正脸、胸部以上的照片
AI 照片说话只能让看得见的部分动起来:嘴、眼睛、头,画面宽一点还有手臂。我们实测用的是从全身照裁出来的胸部以上画面,脸一直很清楚,其中一位还自己挥了挥手。墨镜、手挡着嘴、侧脸太多都不要。
脸周围留点空
说话时的动作比想象的多:会转头,手也会抬进画面。我们有一条实测里,一只手从画面边上挥了进来。裁图时头顶和肩膀两侧留点空,免得动作被切掉。
角色要有一张清楚的脸
插画和 3D 角色只要眼睛、嘴巴好认就能用;我们的黏土水手猫说话时会眨眼、笑、比划手势。角色可以先用角色三视图做出来,再把正面那一格裁出来当照片。
先听配音,再做视频
配音是单独的一步,按每 100 字计费,很便宜;视频按秒计费。先配音、试听,语速和发音不对就重配。改了台词或换了声音,旧的那段会自动清掉,不会被拿去做视频。
一段一分钟以内,长的拆开
一条照片说话最多 60 秒音频。我们实测英文每秒 15–19 个字母,台词框的 800 字大约是 45–55 秒。更长的讲话在自然停顿处拆开,一段一段做,再在剪辑软件里接起来。
结尾会多一小段停顿
模型大约每 2 秒一档出片,所以口播视频会比音频略长:我们实测 5.1 秒和 6.4 秒的话都出了 6.6 秒的视频,6.8 秒的出了 8.7 秒。多出来的是结尾一段自然的停顿,也算在计费时长里;要剪得紧凑,在剪辑软件里裁掉。
AI 照片说话案例
全部由 blubiu 自己生成。
AI 照片说话常见问题
什么是口播视频(talking head video)?
口播视频就是一个人(或一个角色)对着镜头说话的画面,一般是胸部以上的构图:主持、讲解、vlog、视频留言都是这种。AI 照片说话用一张静止的照片就能做出来,不用真的去拍。
AI 照片说话能免费在线用吗?
能免费试。免费版每个月的积分,够在线做一条短的照片说话加上它的配音。点之前按钮上会标出这一次要多少:配音按每 100 字算,视频按秒算。失败的生成自动退积分;付费方案和积分包见价格页。
有让照片说话的 App 吗?
不用装 App。blubiu 的 AI 照片说话在手机、电脑的浏览器里就能用:传照片,打字配音或上传音频,做好后下载 MP4。
卡通、动漫角色、吉祥物能开口吗?
能,只要脸好认。我们实测的黏土水手猫会说话、眨眼、比划手势。没有明显嘴巴、或者只有侧面的角色效果会差一些,给它一张正面图。
照片说话最长能做多长?
每段最多 60 秒音频。成片会比音频略长:大约按 2 秒一档往上凑,结尾多一小段停顿,计费按成片的长度。更长的讲话分几段做,再接起来。
能用自己的声音吗?
能。切到「上传音频」,放一段 60 秒以内的 MP3 或 WAV 录音,照片就照着你的录音对口型。M4A 等其他格式暂时不收,先转成 MP3。
要等多久?
我们实测 5–7 秒的一句话,每条要 6–7.5 分钟。可以关掉页面,任务会继续跑,做好的视频出现在「作品」页。
能让真人照片开口说话吗?
只能用你自己的照片,或者对方同意过的照片。上传的脸和声音由你负责;不能用照片说话让别人看起来说了他没说过的话。
生成失败会扣积分吗?
不会。配音和视频都一样,失败、被拒或主动取消的生成会自动退回积分。
和AI 照片说话搭配使用
人物一致性设定卡生成器 →
先把一个人的脸定下来,再把正脸那一格裁出来当照片,每条口播都是同一张脸。
AI 角色三视图生成器 →
把 IP 角色或吉祥物做成正侧背三视图,用正面那一格当会说话的照片。
AI 换装 →
先给同一个角色按场合换好衣服,再让每一身都开口说话。
AI 生成视频 →
要角色在场景里活动,而不是对着镜头说话?用一段描述加参考图直接生成视频镜头。
其他创作场景
把剧本、角色、镜头、配音节点连成一条线,逐段生成,角色每一段都是同一个。