Un avatar parlant est une vidéo dans laquelle la personne de votre photo prononce votre enregistrement audio. MiniMax H3 Lip Sync synchronise le mouvement des lèvres avec le son et ajoute des expressions faciales naturelles, des clignements d'yeux et des mouvements de tête, pour que la vidéo paraisse vivante plutôt que comme un masque animé.
Tout enregistrement jusqu'à 30 secondes fonctionne : parole, salutation, voix off ou chant. Les meilleurs résultats s'obtiennent avec un portrait de face net et un audio propre, sans bruit de fond. Les personnages illustrés fonctionnent aussi, tant que le visage est clairement visible.
Le prix dépend de la durée de l'audio : 35 crédits pour 5 secondes, 70 pour 10, et 210 pour 30. Si vous devez remplacer la voix d'une vidéo déjà terminée, utilisez l'outil « Lip Sync ».