上傳語音或輸入腳本,讓人像產生嘴型與表情同步的影片。
將講解者人像製作成產品介紹、短課程或配音公告。
音訊 1–180 秒,最大 64 MiB。影片長度由語音決定。
提供 30 種聲線和 10 個語言選項。不提供中文 TTS;中文內容可上傳自己的音訊。
使用一張正面主體的 JPG、PNG 或 WebP 圖片,最大 20 MiB。
主提示詞描述手勢與場景動態;台詞填入腳本,語氣與節奏填入聲音指導。
探索其他模型,或瀏覽完整模型目錄。