Una foto que habla convierte un retrato fijo en un video de esa cara hablando. Sube una foto, añade una grabación de voz y Solmi mueve la boca, la mandíbula y la cabeza al ritmo del audio, para que la imagen diga las palabras: un avatar que habla para tu canal, una cabeza parlante con IA para un video explicativo o una intro hablada para un lanzamiento. Recorta la parte que quieras, hasta 60 segundos por clip, y exporta en 480p o 720p; el video sale vertical u horizontal según la foto. ¿Solo tienes un guion? Conviértelo en voz con el generador de voz en off con IA de Solmi, descarga el audio y súbelo aquí.
Es una imagen fija animada para que la cara hable al ritmo de una pista de voz. Solmi toma un retrato y un archivo de audio y mueve la boca, la mandíbula y la cabeza con la voz, de modo que la persona de la foto parece decir las palabras. También se le llama avatar que habla o cabeza parlante con IA.
Sube un retrato nítido y de frente o elige uno de los personajes predefinidos, añade la voz como archivo de audio o como enlace de YouTube o TikTok, recorta la parte que quieras, elige 480p o 720p y pulsa Generar. El video terminado aparece en tus videos, listo para descargar.
En esta página no: sincroniza una pista de voz que tú aportas y no tiene función propia de texto a voz. Para partir de un texto, escribe el guion en el generador de voz en off con IA de Solmi (más de 70 idiomas y varias voces), descarga el audio y súbelo aquí como voz.
Con ambos. La sincronía labial se basa en el propio audio, así que una grabación hablada funciona igual que una canción: la boca sigue las palabras. Una grabación limpia y con poco ruido de fondo da el movimiento de boca más claro. Para que la foto cante una canción, usa la herramienta para hacer cantar una foto.
Se cobra por segundo de video: 4 créditos por segundo en 480p y 8 en 720p, así que un clip de 15 segundos cuesta 60 créditos en 480p. Un clip puede durar hasta 60 segundos, recortado de una grabación de hasta 10 minutos. Una cuenta nueva en la web recibe 120 créditos sin tarjeta: unos 30 segundos en 480p.
Un retrato nítido y de frente, con una sola cara visible, luz uniforme y nada que tape la boca. El video toma la forma de la foto: una foto vertical da un video 9:16 para TikTok, Reels y Shorts, y una horizontal, un video 16:9 para YouTube. A una foto borrosa o pequeña puedes darle más nitidez antes con la mejora integrada, por 5 créditos.
Sí. Activa los subtítulos antes de generar y Solmi transcribe la voz e incrusta las palabras en el video con uno de los seis estilos: Sutil, Negrita, Neón, Minimalista, Serif o Karaoke.