一定要自己录音吗？
不用。在“文字转语音”里写好稿子、选个声音，把生成的音频拿来用就行。
人脸与人物
让照片开口说话
可以用自己的录音，也可以用“文字转语音”生成一段。数字人模型会让口型对上声音，再加上自然的眨眼、点头和表情，一张照片就能当主播。
14 积分起 （每 5 秒视频）
注册送 30 积分 · 无需绑卡
生成失败会自动退还积分
你提供- 一张人像和一段语音
你得到- 人像开口说话的视频
- 价格
- 14 积分 （每 5 秒视频）
怎么用
- 1
上传一张清晰、正对镜头的人像。
- 2
加上音频：自己的录音，或“文字转语音”生成的配音。
- 3
点生成。视频时长和音频一样。
效果更好的小技巧
- 正脸、嘴巴露出来的照片，口型对得最准。
- 声音干净、没有背景音乐时同步最精确。
- 加一句情绪说明，比如“平静友好”，能引导表情。
适合用来
- 讲解视频和课程
- 用角色的声音发内容
- 个人视频祝福
- UGC 广告
可用模型
2 个模型默认使用 Kling Avatar 2.0。在生成页可以随时换成别的模型，每个模型运行前都会显示价格。
常见问题
视频最长多长？
和音频一样长，但不超过模型上限：标准数字人最长 1 分钟，Kling Avatar 2.0 最长 5 分钟。
和口型同步有什么区别？
“数字人”从一张静态照片开始，让整个头部动起来；“口型同步”从一段视频开始，只改嘴巴。
“数字人”多少钱？
“数字人”14 积分起（每 5 秒视频）。运行前生成页会显示准确价格，生成失败会自动退还积分。新账号注册送 30 积分，足够先试一试。
类似工具
查看全部 20 个工具
用你自己的文件试试
拖进来，点“生成”，结果直接带走。注册送的免费积分够你先跑几次。