Mówiące zdjęcie zamienia nieruchomy portret w wideo, na którym ta twarz mówi. Wgraj zdjęcie, dodaj nagranie głosu, a Solmi poruszy ustami, żuchwą i głową zgodnie z nagraniem, tak że obraz wypowiada słowa: mówiący awatar na twój kanał, prezenter AI do filmu instruktażowego albo mówione intro do premiery. Wytnij potrzebny fragment, do 60 sekund na klip, i wyeksportuj w 480p lub 720p; wideo będzie pionowe albo poziome, tak jak zdjęcie. Masz tylko tekst? Zamień go na głos w narzędziu Lektor AI od Solmi, pobierz audio i wgraj je tutaj.
To nieruchomy obraz animowany tak, że twarz mówi razem ze ścieżką głosu. Solmi bierze jeden portret i plik audio, a potem porusza ustami, żuchwą i głową zgodnie z głosem, więc osoba na zdjęciu wydaje się wypowiadać słowa. Mówi się też o mówiącym awatarze albo gadającej głowie AI.
Wgraj ostry portret en face albo wybierz jedną z gotowych postaci, dodaj głos jako plik audio lub link z YouTube czy TikToka, wytnij potrzebny fragment, wybierz 480p lub 720p i kliknij „Generuj mówiące wideo”. Wideo pojawi się wśród twoich filmów i będzie gotowe do pobrania.
Nie na tej stronie: to narzędzie synchronizuje usta z nagraniem głosu, które wgrywasz, i nie ma własnej funkcji zamiany tekstu na mowę. Jeśli chcesz zacząć od tekstu, napisz go w narzędziu Lektor AI od Solmi (ponad 70 języków i różne głosy), pobierz audio i wgraj je tutaj jako głos.
Z jednym i drugim. Synchronizacja ust wynika z samego nagrania, więc mówione nagranie działa tak samo jak piosenka: usta podążają za słowami. Czyste nagranie z niewielkim szumem w tle daje najwyraźniejsze ruchy ust. Jeśli zdjęcie ma zaśpiewać piosenkę, użyj narzędzia do śpiewających zdjęć.
Płacisz za każdą sekundę wideo: 4 kredyty za sekundę w 480p i 8 w 720p, więc 15-sekundowy klip kosztuje 60 kredytów w 480p. Klip może trwać do 60 sekund i jest wycinany z nagrania o długości do 10 minut. Nowe konto w wersji webowej dostaje na start 120 kredytów bez karty, czyli około 30 sekund w 480p.
Ostry portret en face z jedną dobrze widoczną twarzą, równym światłem i bez niczego, co zasłaniałoby usta. Wideo przyjmuje kształt zdjęcia: pionowe zdjęcie daje wideo 9:16 na TikToka, Reels i Shorts, a poziome – wideo 16:9 na YouTube. Rozmyte lub małe zdjęcie możesz najpierw wyostrzyć wbudowaną funkcją poprawy zdjęcia za 5 kredytów.
Tak. Włącz napisy przed generowaniem: Solmi zapisze głos jako tekst i wtopi słowa w wideo w jednym z sześciu stylów: Subtelny, Pogrubiony, Neon, Minimalny, Szeryfowy lub Karaoke.