Envie uma foto com um rosto visível e uma faixa de áudio que você gravou ou da qual é titular. A ferramenta cria um MP4 de sincronização labial a partir desse par. Não é uma sobreposição de still mais áudio nem um movimento genérico de imagem para vídeo.
Áudio · obrigatório
Um rosto claramente visível no still dá mais chance à sincronização labial. Isto é orientação, não um bloqueio técnico. Entre antes de enviar.
Use um still com um rosto visível e uma faixa enviada limpa. O MP4 gerado substitui esta prévia quando estiver pronto.
Uma foto falante é um MP4 curto em que uma fotografia parada parece falar no ritmo de uma voz que você já tem. Você envia uma foto e um arquivo de áudio. O gerador estima o movimento da boca a partir dessa faixa e escreve quadros novos. A imagem não é simplesmente reproduzida com o áudio por cima. O movimento genérico de imagem para vídeo, que inventa deslocamento de câmera ou clima a partir de um prompt, é outro trabalho.
A entrada útil é uma fotografia com um rosto nítido, bem iluminado e sem corte pela boca. Óculos escuros, oclusão forte, perfil extremo ou um rosto minúsculo em uma multidão dificultam a sincronização labial. Isso é uma dica de qualidade, não um bloqueio técnico. A área de trabalho ainda aceita um arquivo que cumpra tamanho e tipo. O resultado continua probabilístico. Dentes, língua e a borda dos lábios podem desviar. A identidade em torno da mandíbula pode amolecer. Uma segunda pessoa no quadro pode pegar movimento residual. Inspecione o arquivo baixado antes de publicar.
A Banana Pro AI cobra pela duração de áudio que o servidor mede no envio, não pelos segundos que o player do navegador mostra. 32 créditos por segundo em 720 e 48 créditos por segundo em 1080. O comprimento faturado vai de um segundo a 60 menos um. Faixas de 60 segundos ou mais são recusadas. Um MP3 de bitrate variável sem metadados de duração legíveis pode falhar mesmo quando a prévia soa bem. O texto de dica opcional admite até 300 caracteres. A v1 não adiciona texto para fala, clone de voz, semente nem máscara.
Estes enquadramentos são quadros de origem e pôsteres parados para um briefing de foto falante. Não são clipes de sincronização labial gerados nem gravações ao vivo. Use-os para julgar se a sua imagem é um tipo parecido de entrada.
Um still de catálogo ou landing de uma pessoa com um produto, gravado depois como pitch falado. Este fluxo serve para um rosto que já existe na fotografia mais uma faixa que você gravou em uma sala silenciosa. Mantenha o rótulo do produto legível. Não espere que o gerador invente outro ângulo de câmera nem um segundo par de mãos.
Um retrato formal usado com uma saudação curta que você mesmo gravou. Uma foto falante pode levar uma voz lembrada a uma imagem que você tem o direito de usar. Ela não restaura alguém que não está na fotografia e não promete coincidir com cada memória da família. Mantenha o envio lícito. Confirme os direitos antes de gastar créditos.
Um still de apresentador para um curso, uma FAQ ou um clipe de suporte. A saída deve manter a mesma roupa e o mesmo fundo enquanto a boca segue a sua faixa. Se você precisa de outra sala, um plano andando ou um corte entre slides, use imagem para vídeo ou uma sessão filmada em vez desta área de trabalho.
Prepare primeiro o still e a faixa. Os créditos só são cotados depois que o servidor mede o áudio. A geração é uma tarefa acompanhada que você pode reabrir em Minhas criações.
Escolha um JPG, PNG ou WebP de até 10 MB, com cada lado de pelo menos 256 pixels. Um rosto que ocupe uma parte razoável do quadro, olhando para a câmera, é o ponto de partida honesto. Recorte antes de enviar se o assunto for minúsculo.
Envie MP3, WAV, AAC, OGG ou M4A de até 10 MB. Prefira um único falante e um arquivo legível. O servidor devolve os segundos faturados. O player da página é só uma prévia. Um aviso aparece quando o comprimento medido passa de 15 segundos. A recusa rígida é 60 segundos ou mais.
A saída padrão é 1080 a 48 créditos por segundo faturado. 720 custa 32 créditos por segundo faturado. Confirme que você é titular da foto e do áudio, ou que tem permissão para usá-los. O gerador não vai adicionar uma segunda voz nem clonar uma voz a partir de um prompt.
Entre na conta, gaste os créditos cotados e espere. As verificações de status rodam a cada poucos segundos e pausam depois de quinze minutos. O mesmo id de solicitação pode retomar sem uma segunda cobrança. Se a tarefa falhar, os créditos reservados voltam. Tentar de novo em Minhas criações restaura só a dica e a resolução. Você precisa enviar de novo a foto e o áudio.
Assista o clipe inteiro. Confira o primeiro e o último fonema, os dentes e se um segundo rosto se moveu. Baixe por Minhas criações. Trate o arquivo como rascunho até tê-lo assistido. Uma foto falante não substitui uma entrevista filmada quando a exatidão legal ou de arquivo importa.
Escolha o caminho que combina com os ativos que você já tem. Uma foto falante precisa de um still e uma faixa enviada. Um avatar falante é um personagem persistente. Imagem para vídeo é movimento a partir de um still. A filmagem tradicional captura uma interpretação real em uma timeline.
| Foto falante, avatar falante, imagem para vídeo e filmagem tradicional | Ideal para | Controle | Contraponto |
|---|---|---|---|
| Foto falante | Uma fotografia real de uma pessoa mais uma faixa gravada que você pode enviar | Você escolhe o still, o arquivo de áudio e 720 ou 1080. A duração vem da faixa | A sincronização labial pode desviar. Sem texto para fala, sem clone de voz, sem um movimento extra de câmera além do que o modelo inventa em torno da boca |
| Avatar falante | Um apresentador digital reutilizável que deve aparecer em muitos roteiros | A configuração do personagem e as tomadas posteriores compartilham uma identidade que você mantém ao longo do tempo | Você não está travando a saída em uma fotografia existente. As páginas de avatar são outro produto |
| Imagem para vídeo | Um still que deve ganhar movimento de câmera, clima ou uma órbita lenta de produto a partir de um prompt escrito | Quadro inicial, quadro final opcional, duração e um prompt de movimento | A boca não é guiada pelo seu áudio. Não use quando o trabalho é uma foto falante |
| Filmagem tradicional | Entrevistas, declarações legais e qualquer take em que a interpretação real precise existir em um cartão de câmera | Iluminação, lentes, retakes e um editor em uma timeline local | A maior fidelidade e o maior custo de produção. Nenhum modelo substitui uma filmagem que você ainda precisa |
A saída é um MP4 de sincronização labial gerado. Não é uma gravação recuperada do dia em que o still foi tirado. Não é uma sobreposição sem perdas do áudio sobre o JPEG. Se o rosto é pequeno, virado ou coberto, a qualidade da sincronização costuma cair. Se o áudio é ruidoso, recortado ou cheio de falantes sobrepostos, o movimento da boca vai mostrar isso. Os créditos são cobrados pelos segundos de áudio medidos no servidor. A duração da prévia do navegador não é a fatura.
A v1 exige um arquivo de áudio enviado pelo usuário. Não há caixa de texto para fala, nem clone de voz a partir de uma amostra, nem um controle deslizante de duração na geração. Faixas de 60 segundos ou mais são recusadas. Comprimento acima de 15 segundos é permitido abaixo desse teto e pode parecer menos estável. Arquivos MP3 de bitrate variável sem metadados de duração legíveis podem ser recusados mesmo quando tocam na prévia.
Limites e armazenamento
Uma execução autenticada cria uma tarefa acompanhada. Você pode reabrir o resultado em Minhas criações depois de uma conexão caída sem outra cobrança para esse id de solicitação. O armazenamento atual não tem expiração automática para objetos enviados ou gerados. Excluir em Minhas criações faz um apagamento suave do registro da tarefa no histórico da conta. Não apaga o objeto subjacente nem uma cópia do provedor. Revise a Política de privacidade e os Termos de serviço antes de enviar rostos sensíveis ou fala privada.
Minhas criações · Política de privacidade · Termos de serviço
Escritório de Direitos Autorais dos EUA, Copyright and Artificial IntelligenceMateriais públicos sobre questões de direitos autorais e inteligência artificial. Não é aconselhamento jurídico.Fique nesta página quando você tem um still e uma faixa enviada. Use as ferramentas relacionadas quando o trabalho for movimento a partir de um still, um gerador de vídeo mais amplo ou uma identidade de avatar.
Anime um still com um prompt de movimento quando a boca não deve seguir um arquivo de áudio
Imagem para vídeo com IAExplore o gerador de vídeo mais amplo quando você ainda está escolhendo o ativo inicial
Gerador de vídeo com IACrie um avatar reutilizável quando você precisa de um personagem em vez de uma fotografia
Gerador de avatar com IARespostas diretas sobre sincronização labial guiada por áudio, créditos, limites de duração e o que esta página não faz.
Um MP4 de sincronização labial a partir de uma foto parada e uma faixa de áudio enviada. A boca é guiada por essa faixa. O still não é reproduzido como um slideshow com som por cima.
Sim na v1. A área de trabalho exige uma foto e um arquivo MP3, WAV, AAC, OGG ou M4A enviado pelo usuário. Não há campo de texto para fala nem clone de voz.
Pelos segundos faturados que o servidor mede no envio do áudio. 32 créditos por segundo em 720. 48 créditos por segundo em 1080. A resolução padrão é 1080. A duração do player é só uma prévia.
Mais curto do que 60 segundos. Um aviso aparece acima de 15 segundos. 60 segundos ou mais é recusado. Arquivos acima de 10 MB são recusados. Um MP3 VBR sem metadados de duração legíveis pode falhar.
Um rosto visível é fortemente recomendado. Não é um bloqueio de software. Rostos ocluídos ou minúsculos costumam produzir sincronização labial mais fraca. Inspecione o resultado.
Não. Imagem para vídeo inventa movimento a partir de um prompt. Uma foto falante trava a interpretação no áudio que você enviou. Use imagem para vídeo quando quiser deslocamento de câmera sem uma faixa de voz.
Envie uma foto que você pode usar, envie o áudio, escolha 720 ou 1080 e inspecione o MP4 de sincronização labial antes de compartilhar.
Abrir a área de trabalho