Konuşan fotoğraf, sabit bir fotoğrafın zaten sahip olduğunuz bir sesle konuşuyormuş gibi göründüğü kısa bir MP4'tür. Bir fotoğraf ve bir ses dosyası yüklersiniz. Oluşturucu bu parçadan ağız hareketini tahmin eder ve yeni video kareleri yazar. Fotoğraf üzerine ses eklenmiş halde oynatılmaz. Bir istemden kamera hareketi veya hava durumu uyduran genel görselden videoya hareketi başka bir iştir.
İşe yarar girdi, yüzün net göründüğü, iyi aydınlatıldığı ve ağız üzerinden kesilmediği bir fotoğraftır. Güneş gözlüğü, yoğun kapanma, aşırı yan profil veya kalabalıkta küçücük bir yüz dudak senkronunu zorlaştırır. Bu bir kalite ipucudur, katı bir engel değildir. Çalışma alanı boyut ve tür kurallarını karşılayan dosyayı yine de kabul eder. Sonuç olasılıksal kalır. Dişler, dil ve dudak kenarları kayabilir. Çene çevresindeki kimlik yumuşayabilir. Karedeki ikinci bir kişi artık hareketi alabilir. Yayınlamadan önce indirmeyi inceleyin.
Banana Pro AI, tarayıcı oynatıcısının gösterdiği saniyelere göre değil, yükleme sırasında sunucunun ölçtüğü ses süresine göre ücretlendirir. 720'de saniye başına 32 kredi, 1080'de saniye başına 48 kredi. Faturalanan süre bir saniyeden 60 eksi bire kadar. 60 saniye ve üzeri parçalar reddedilir. Okunabilir süre üst verisi olmayan değişken bit hızlı bir MP3, önizleme iyi duyulsa bile başarısız olabilir. İsteğe bağlı ipucu metni 300 karaktere kadar olabilir. v1 metinden sese, ses klonlamaya, tohuma veya maskeye izin vermez.