影片工具
照片動態化

AI說話照片

用你提供的肖像與音訊製作說話或唱歌照片,不自行創造聲音。

先確認再送出 保留必要細節 按需求檢查結果
從不完整的想法開始選填項目能協助 Vizify 更快理解交付需求。
試試這些開場方式

先到Vizify確認需求,再送出開始;這裡不會直接執行。

你提供

一張PNG或JPEG肖像、一個MP3/WAV/OGG/M4A音檔、表演方向

用途、對象與補充說明

Vizify 交付

依你的資料完成這項需求:用你提供的肖像與音訊製作說話或唱歌照片,不自行創造聲音。交付形式為完成後的影片產物;處理中不代表已交付。完成後請先看實際內容,再複製或另行安排後續用途。

功能

從輸入到可直接使用的成果。

Vizify

準備來源與驗收結果

準備一張清楚肖像和一段已有的語音,並說明人物哪些外觀特徵要保留。照片僅PNG或JPEG、最多10 MB;語音為MP3、WAV、OGG或M4A、最多20 MB,不用FLAC代替。這個操作把來源照片配合語音做成說話影片,不是只填文字就能得到配音的TTS。製作前確認肖像與聲音的使用權,避免讓人誤以為本人真的說過這段話。完成後核對嘴部、眼睛、頭部動作與音訊,從頭到尾驗片。

Vizify

依原需求逐段驗收

肖像加旁白的示例要求頭部動作克制、人物可辨認且不改語音。這些是檢查方向,不是把靜態照片變成任意角度的真實錄影保證。先選清楚、有權使用的照片和既有旁白,再確認來源格式與長度符合目前操作;沒有音訊時不要期待字稿自動補聲音。完成影片可先比較人物五官,再看眨眼、嘴部和頭部動作是否協調,最後完整聽一次語音。若要公開使用,還要避免使觀眾誤認本人曾作出該發言。你可以選擇不採用有明顯漂移的成品,而不是因為任務完成就略過倫理與品質判斷。

完整範例

一般需求與邊界情況。

原始圖片原始圖片
原始音訊
原始音訊
原曲截選(0–4.7 秒)完整生成音軌 ↗
Vizify 輸出
一般輸入

完整需求示例

讓附上的肖像配合附上的旁白說話,保持可辨識人物,頭部動作克制,不改變語音。

示例影片已裁去衣服上生成亂碼的下方區域,語音仍使用上傳的原始錄音。

請先提供一張PNG或JPEG肖像,以及一個你有權使用的MP3、WAV、OGG或M4A音檔,並說明希望的表情與動作。這項工作會以提供的肖像和原音製作說話影片,不會另造聲音代替。素材與可用長度確認前不會送出處理,也不會假稱已有成片。

邊界輸入

缺少必要資料時先詢問

我要進行這項工作,但尚未提供一張PNG或JPEG肖像、一個MP3/WAV/OGG/M4A音檔、表演方向。請先確認缺少的必要資料,不編造內容或假裝已完成。

檢查缺少來源時會先詢問,不替代成不相關產物。

常見問題

你可能想了解的問題。

音訊可以多長?

目前肖像路徑可到5分鐘,另一表演路徑較短,送出前核對實際支援和帳戶限制。

會替照片創造聲音嗎?

不會,需提供有權使用的完成音檔,語音生成是另一項工作。

什麼肖像較合適?

清楚正面、嘴部未遮擋、光線充足,完成後檢查身分漂移與不自然動作。

開始前要提供什麼?

一張PNG或JPEG肖像、一個MP3/WAV/OGG/M4A音檔、表演方向。可以先參考這個可直接修改的需求:「讓附上的肖像配合附上的旁白說話,保持可辨識人物,頭部動作克制,不改變語音。」把示例情境換成自己的資料;固定用語與尚未確定的內容都要明示,不讓系統自行猜測。

結果要檢查哪些地方?

肖像與音檔必須分別提供並有使用權,完整看表情、口型和身分漂移,不把提交當成完成。最好把原需求放在旁邊逐項對照,確認結果沒有把未知資料說成事實。若不符,指出實際差異再修正,而非只因文字流暢或預覽好看就直接採用。

會收到什麼格式?

依你的資料完成這項需求:用你提供的肖像與音訊製作說話或唱歌照片,不自行創造聲音。交付形式為完成後的影片產物;處理中不代表已交付。完成後請先看實際內容,再複製或另行安排後續用途。

什麼時候開始執行?

此頁只把需求整理後帶到Vizify,尚未執行。登入後確認帶入的一張PNG或JPEG肖像、一個MP3/WAV/OGG/M4A音檔、表演方向,補齊必要來源,再送出開始;適用帳戶當前權限和點數規則。音訊與影片不承諾免費額度,處理中也不代表完成,請等到實際產物可開啟再驗收。

可以修改結果嗎?

可以在同一對話指出要改哪裡、哪些細節必須保留,再確認下一版。修改不會取消原本的能力邊界:目前5分鐘肖像路徑只接受PNG/JPEG 10 MB與相容音訊20 MB;另一表演路徑較短。不複製聲音、不由文字合成、不保證精確口型或身分。若需要範圍以外的交付,請另行規劃,不把這份結果當成已完成那些工作。

把畫面和原音一起檢查

請選臉部清楚的人像,並使用你有權使用的照片與錄音。送出前先聽完整段錄音,確認開頭沒有被切掉、結尾自然,也沒有其他人的談話干擾。這項操作讓照片配合已上傳的聲音動起來,不會替你寫新稿,也不會複製聲音。

完成後從頭播放到尾,比對人物特徵、嘴型、頭部動作與聲音結尾。第一幀好看,不代表整段都可用。如果為了發布而裁切或縮短影片,請保留原檔並說明調整,方便比較。此處示例的畫面已裁切,以移除衣服上的生成亂字;錄音保持原樣。驗收時也請檢查轉頭或眨眼的片段,避免只挑一張最好看的畫面代表整段結果。

查看裁剪前的原始影片

照片動態化

先準備好資料,再開始這項工作。

前往Vizify確認