الأفاتار المتحدث هو مقطع فيديو يتحدث فيه الشخص الموجود في صورتك بالتسجيل الصوتي الذي رفعته. تقنية MiniMax H3 Lip Sync تزامن حركة الشفاه مع الصوت وتضيف تعابير وجه طبيعية ورمشًا وحركة رأس، بحيث يبدو المقطع حيويًا وليس كقناع متحرك.
يعمل النظام مع أي تسجيل حتى 30 ثانية: كلام، تحية، تعليق صوتي، أو غناء. أفضل النتائج تأتي من صورة شخصية واضحة بزاوية أمامية وتسجيل صوتي نظيف خالٍ من ضوضاء الخلفية. تعمل الشخصيات المرسومة أيضًا، طالما أن الوجه ظاهر بوضوح.
يعتمد السعر على طول التسجيل الصوتي: 35 نقطة لـ5 ثوانٍ، و70 لـ10 ثوانٍ، و210 لـ30 ثانية. إذا أردت استبدال الكلام في فيديو جاهز مسبقًا، استخدم أداة "Lip Sync".