一张照片就能当出镜人
把你自己的一张形象照变成一段简短的讲解、通知或欢迎语，不用架设摄像机。
AI 照片说话
AI 照片说话：让照片跟着你的音频对口型
上传一张照片和你想让它说的音频。照片里的脸会动起来，说出你的话，时长与音频一致。使用默认模型时，真人、宠物和卡通角色都可以。
把一张照片变成跟随你的音频说话的视频。适用于真人、动物、卡通和风格化角色，视频时长与音频轨一致。
按成片秒数计费，不足一秒按一秒计。视频时长与你的音频一致，所以添加音频后，下方价格会显示确切总额。
12 积分/秒
说话视频会在一个可以随时回来的会话中打开，可以直接下载，也可以带进另一个工具继续用。
使用方法
三步让照片说话
- 第 1 步
上传照片
添加一张图片，画面里要有一张清晰的脸：人像、宠物或插画角色都可以。脸部要光线充足、没有被遮挡。
- 第 2 步
添加你的音频
添加照片要说的音频，时长 1 到 60 秒：你自己的声音、提前录好的一段话，或 AI 生成的语音。然后选择一个模型。
- 第 3 步
生成并下载
说话视频的时长与你的音频一致，会在属于你的会话中打开，可以直接下载，也可以带进下一步编辑。
适用场景
大家用 AI 照片说话做什么
插画角色和 AI 角色
给吉祥物、插画角色或 AI 生成的人像配上声音，用在故事、课程或社交媒体帖子里。
宠物和动物
让你家狗狗或猫咪的照片替你说一段话。两个可灵数字人模型（包括默认模型）都支持动物。
一张照片，多个版本
用几种语言、或面向几类受众，把同一段话各录一遍，每个版本都用同一张照片。
开始之前
怎样做出效果好的照片说话视频
时长与音频一致
照片本身没有时长，所以视频采用音频的时长：1 到 60 秒之间，精确到秒。这也是你付费的依据，所以请先剪掉音频开头和结尾的静音。
选对照片
效果最好的是：只有一张脸，朝向镜头，光线充足，没有被手、头发或墨镜挡住。一张图里有好几张脸时，结果难以预料，所以请先裁剪，只留下要说话的那个人或角色。
三个模型可选
可灵数字人 v2 标准版是默认模型：它能处理真人、宠物、卡通和风格化角色，价格最低。可灵数字人 v2 专业版细节更清晰、口型更分明，每秒价格也更高。Sync 3 照片说话适用于只有一张清晰正脸的照片或插画。
按秒付费，不是按月订阅
照片说话按成片的秒数计费，短短几句话，就只花几句话该花的钱。每个套餐都包含积分，可以用在 YouArt 的任何其他工具上。
基础版
适合爱好者和探索者
$9.99/月
升级- 1000 额度
- 每月最多 ~200 张图片
- 每月最多约 332 秒视频
- 智能创意 Agent
- 视频编辑器
- 最新图像模型，包括 GPT Image 2.5、GPT Image 2 和 Nano Banana Pro
- 最新视频模型，包括 Seedance 2
- 真人合规模式
- 使用 ElevenLabs 生成语音
- 无水印
- 50+ AI 特效库
专业版
最受欢迎适合专业人士
$29.99/月
升级- 3300 额度
- 每月最多 ~1000 张图片
- 每月最多约 1100 秒视频
- 智能创意 Agent
- 视频编辑器
- 最新图像模型，包括 GPT Image 2.5、GPT Image 2 和 Nano Banana Pro
- 最新视频模型，包括 Seedance 2
- 真人合规模式
- 使用 ElevenLabs 生成语音
- 无水印
- 50+ AI 特效库
旗舰版
最超值适合高级用户和团队
$149.99/月
升级- 18000 额度
- 每月最多 ~6000 张图片
- 每月最多约 6000 秒视频
- 智能创意 Agent
- 视频编辑器
- 最新图像模型，包括 GPT Image 2.5、GPT Image 2 和 Nano Banana Pro
- 最新视频模型，包括 Seedance 2
- 真人合规模式
- 使用 ElevenLabs 生成语音
- 无水印
- 50+ AI 特效库
团队版
适合团队和工作室
$329.99/月
升级- 36300 额度
- 每月最多 ~12000 张图片
- 每月最多约 12100 秒视频
- 真人合规模式
- 与团队共享画布、工作流和素材
- 每个团队最多 10 名成员
- 最多 5 个团队
- 基于角色的管理
- 团队额度管理与消费上限
- 成员用量追踪
常见问题
AI 照片说话常见问题
它是用一张静态图片做出的视频。你给它一张照片和一条音频轨，AI 会让照片里的脸动起来，说出音频里的内容，嘴部动作跟着声音走。结果是一段简短的说话视频，时长与你的音频一致。
不止一张照片
需要的不只是一段照片说话视频？
这个页面一次只跑一个步骤。打开工作流编辑器，可以在同一个工作流里写好脚本并配上语音，从你生成的人像开始做，或者把一批照片变成说话视频。