Importez une photo avec un visage visible et une piste audio que vous avez enregistrée ou que vous possédez. L'outil crée un MP4 synchronisé à partir de ce couple. Ce n'est pas une superposition photo plus audio, ni un mouvement générique image-vers-vidéo.
Audio · obligatoire
Un visage clairement visible sur la photo améliore la synchronisation labiale. C'est un conseil, pas un verrou technique. Connectez-vous avant d'importer.
Utilisez une photo avec un visage visible et une piste importée propre. Le MP4 généré remplace cet aperçu dès qu'il est prêt.
Une photo parlante est un court MP4 dans lequel une photographie fixe semble parler au rythme d'une voix que vous possédez déjà. Vous importez une photo et un fichier audio. Le générateur estime le mouvement de la bouche à partir de cette piste et écrit de nouvelles images. La photo n'est pas simplement lue avec l'audio par-dessus. Le mouvement générique image-vers-vidéo, qui invente un travelling ou de la météo à partir d'un prompt, est un autre travail.
L'entrée utile est une photographie où le visage est net, bien éclairé et non coupé au niveau de la bouche. Les lunettes de soleil, une occlusion forte, un profil extrême ou un visage minuscule dans une foule rendent la synchronisation labiale plus difficile. C'est un indice de qualité, pas un verrou technique. L'atelier acceptera quand même un fichier conforme aux règles de taille et de type. Le résultat reste probabiliste. Les dents, la langue et le bord des lèvres peuvent dériver. L'identité autour de la mâchoire peut s'adoucir. Une deuxième personne dans le cadre peut capter un mouvement résiduel. Inspectez le téléchargement avant de le publier.
Banana Pro AI facture selon la durée audio mesurée par le serveur à l'import, pas selon les secondes affichées par le lecteur du navigateur. 32 crédits par seconde en 720 et 48 crédits par seconde en 1080. La durée facturée va d'une seconde à 60 moins une. Les pistes de 60 secondes ou plus sont refusées. Un MP3 à débit variable sans métadonnées de durée lisibles peut échouer même si l'aperçu semble correct. Le texte d'indice facultatif peut aller jusqu'à 300 caractères. La v1 n'ajoute ni synthèse vocale, ni clonage de voix, ni graine, ni masque.
Ces images sont des sources et des affiches fixes pour un brief de photo parlante. Ce ne sont pas des clips de synchronisation labiale générés ni des enregistrements live. Utilisez-les pour juger si votre propre photo est une entrée du même type.
Une photo de catalogue ou de page d'atterrissage montrant une personne tenant un produit, enregistrée plus tard comme présentation parlée. La photo parlante sert à un visage déjà présent sur la photographie, plus une piste enregistrée dans une pièce calme. Gardez l'étiquette du produit lisible. N'attendez pas du générateur qu'il invente un second angle de caméra ou une nouvelle paire de mains.
Un portrait formel accompagné d'un court message que vous avez enregistré vous-même. Une photo parlante peut porter une voix mémorisée sur une photo que vous avez le droit d'utiliser. Elle ne peut pas faire revenir une personne absente de la photographie et ne promet pas une correspondance parfaite avec chaque souvenir familial. Gardez l'import légal. Vérifiez les droits avant de dépenser des crédits.
Une photo de présentateur pour un cours, une FAQ ou un clip d'assistance. Le résultat doit conserver les mêmes vêtements et le même arrière-plan pendant que la bouche suit votre piste importée. Si vous avez besoin d'une nouvelle pièce, d'un plan en marche ou d'une coupe entre diapositives, utilisez image-vers-vidéo ou une session filmée plutôt que cet atelier.
Préparez d'abord la photo et la piste. Les crédits ne sont annoncés qu'après la mesure de l'audio par le serveur. La génération est une tâche suivie que vous pouvez rouvrir depuis Mes créations.
Choisissez un JPG, PNG ou WebP jusqu'à 10 Mo, chaque côté au moins 256 pixels. Un visage qui occupe une part raisonnable du cadre et regarde vers la caméra est le point de départ honnête. Recadrez avant l'import si le sujet est minuscule.
Importez MP3, WAV, AAC, OGG ou M4A jusqu'à 10 Mo. Préférez un seul locuteur et un fichier bien lisible. Le serveur renvoie les secondes facturées. Le lecteur de la page n'est qu'un aperçu. Un avertissement apparaît lorsque la durée mesurée dépasse 15 secondes. Le refus net intervient à 60 secondes ou plus.
La sortie par défaut est 1080 à 48 crédits par seconde facturée. 720 coûte 32 crédits par seconde facturée. Confirmez que vous possédez la photo et l'audio, ou que vous avez l'autorisation de les utiliser. Le générateur n'ajoutera pas une seconde voix et ne clonera pas une voix à partir d'un prompt.
Connectez-vous, dépensez les crédits annoncés et attendez. Les vérifications d'état s'exécutent toutes les quelques secondes et se mettent en pause après quinze minutes. Le même identifiant de requête peut reprendre sans second débit. Si la tâche échoue, les crédits réservés reviennent. Une nouvelle tentative depuis Mes créations ne restaure que l'indice et la résolution. Vous devez réimporter la photo et l'audio.
Regardez tout le clip. Vérifiez les premiers et derniers phonèmes, les dents et si un second visage a bougé. Téléchargez depuis Mes créations. Traitez le fichier comme un brouillon tant que vous ne l'avez pas vu. Une photo parlante ne remplace pas une interview filmée lorsque l'exactitude juridique ou archivistique compte.
Choisissez la voie qui correspond à vos éléments existants. Une photo parlante a besoin d'une photo et d'une piste importée. Un avatar parlant est un personnage durable. Image-vers-vidéo crée du mouvement à partir d'une photo. Le tournage classique capture une performance réelle sur une timeline.
| Photo parlante vs avatar parlant vs image-vers-vidéo vs tournage classique | Idéal pour | Contrôle | Compromis |
|---|---|---|---|
| Photo parlante | Une vraie photographie d'une personne plus une piste enregistrée que vous pouvez importer | Vous choisissez la photo, le fichier audio et 720 ou 1080. La durée vient de la piste | La synchronisation labiale peut dériver. Pas de synthèse vocale, pas de clonage de voix, pas de mouvement de caméra au-delà de ce que le modèle invente autour de la bouche |
| Avatar parlant | Un présentateur numérique réutilisable qui doit apparaître dans de nombreux scripts | La configuration du personnage et les prises suivantes partagent une identité que vous maintenez | Vous ne liez pas la sortie à une photographie existante. Les pages d'avatar sont un autre produit |
| Image-vers-vidéo | Une photo qui doit gagner un mouvement de caméra, de la météo ou une lente rotation produit à partir d'un prompt écrit | Image de départ, image de fin facultative, durée et prompt de mouvement | La bouche n'est pas pilotée par votre audio. Ne l'utilisez pas quand le travail est une photo parlante |
| Tournage classique | Interviews, déclarations juridiques et toute prise où la performance réelle doit exister sur une carte mémoire | Éclairage, optiques, reprises et un monteur sur une timeline locale | La fidélité la plus élevée et le coût de production le plus élevé. Aucun modèle ne remplace un tournage dont vous avez encore besoin |
La sortie est un MP4 synchronisé généré. Ce n'est pas un enregistrement retrouvé du jour de la photo. Ce n'est pas une superposition sans perte de l'audio sur le JPEG. Si le visage est petit, tourné ou couvert, la qualité de synchronisation baisse généralement. Si l'audio est bruité, saturé ou plein de voix qui se chevauchent, le mouvement de la bouche le montrera. Les crédits sont facturés selon les secondes audio mesurées par le serveur. La durée de l'aperçu navigateur n'est pas la facture.
La v1 exige un fichier audio importé par l'utilisateur. Il n'y a pas de champ de synthèse vocale, pas de clonage de voix à partir d'un échantillon et pas de curseur de durée à la génération. Les pistes de 60 secondes ou plus sont refusées. Une durée supérieure à 15 secondes est autorisée sous ce plafond et peut sembler moins stable. Les MP3 à débit variable sans métadonnées de durée lisibles peuvent être refusés même s'ils se lisent dans l'aperçu.
Limites et stockage
Une exécution connectée crée une tâche suivie. Vous pouvez rouvrir le résultat depuis Mes créations après une coupure de connexion sans nouveau débit pour ce même identifiant de requête. Le backend de stockage actuel n'a pas d'expiration automatique pour les objets importés ou générés. La suppression dans Mes créations retire en douceur l'enregistrement de la tâche de l'historique du compte. Elle ne supprime pas l'objet sous-jacent ni une copie du fournisseur. Consultez la politique de confidentialité et les conditions d'utilisation avant d'importer des visages sensibles ou de la parole privée.
Mes créations · Politique de confidentialité · Conditions d'utilisation
Bureau du droit d'auteur des États-Unis, Copyright and Artificial IntelligenceDocuments publics sur les questions de droit d'auteur liées à l'intelligence artificielle. Pas un conseil juridique.Restez sur cette page lorsque vous avez une photo et une piste importée. Utilisez les outils associés lorsque le travail est un mouvement à partir d'une photo, un générateur vidéo plus large ou une identité d'avatar.
Animez une photo avec un prompt de mouvement lorsque la bouche ne doit pas suivre un fichier audio
Image en vidéo IAParcourez le générateur vidéo plus large lorsque vous choisissez encore l'élément de départ
Générateur vidéo IACréez un avatar réutilisable lorsque vous avez besoin d'un personnage plutôt que d'une seule photographie
Générateur d'avatars IADes réponses claires sur la synchronisation labiale pilotée par l'audio, les crédits, les limites de durée et ce que cette page ne fait pas.
Un MP4 synchronisé à partir d'une photo fixe et d'une piste audio importée. La bouche est pilotée par cette piste. La photo n'est pas lue comme un diaporama avec le son par-dessus.
Oui en v1. L'atelier exige une photo et un fichier MP3, WAV, AAC, OGG ou M4A importé par l'utilisateur. Il n'y a pas de champ de synthèse vocale et pas de clonage de voix.
Selon les secondes facturées mesurées par le serveur à l'import de l'audio. 32 crédits par seconde en 720. 48 crédits par seconde en 1080. La résolution par défaut est 1080. La durée du lecteur n'est qu'un aperçu.
Moins de 60 secondes. Un avertissement apparaît au-delà de 15 secondes. 60 secondes ou plus est refusé. Les fichiers de plus de 10 Mo sont refusés. Un MP3 VBR sans métadonnées de durée lisibles peut échouer.
Un visage visible est fortement recommandé. Ce n'est pas un verrou logiciel. Les visages occlus ou minuscules produisent généralement une synchronisation labiale plus faible. Inspectez le résultat.
Non. Image-vers-vidéo invente du mouvement à partir d'un prompt. Une photo parlante lie la performance à votre audio importé. Utilisez image-vers-vidéo pour un mouvement de caméra sans piste vocale.
Importez une photo que vous pouvez utiliser, importez l'audio, choisissez 720 ou 1080 et inspectez le MP4 synchronisé avant de le partager.
Ouvrir l'atelier