टॉकिंग अवतार एक ऐसा वीडियो है जिसमें आपकी फोटो में दिख रहा व्यक्ति आपकी ऑडियो रिकॉर्डिंग में बोलता है। MiniMax H3 Lip Sync होंठों की हरकत को आवाज़ के साथ सिंक करता है और साथ ही स्वाभाविक चेहरे के भाव, पलकें झपकाना और सिर की हलचल भी जोड़ता है, जिससे क्लिप एक एनिमेटेड मास्क जैसा नहीं बल्कि जीवंत दिखता है।
कोई भी 30 सेकंड तक की रिकॉर्डिंग काम करती है: भाषण, अभिवादन, वॉयसओवर या गायन। सबसे अच्छे नतीजों के लिए स्पष्ट फ्रंट-फेसिंग पोर्ट्रेट और बैकग्राउंड नॉइज़ रहित साफ ऑडियो का इस्तेमाल करें। एनिमेटेड कैरेक्टर भी काम करते हैं, बस चेहरा साफ दिखना चाहिए।
कीमत ऑडियो की लंबाई पर निर्भर करती है: 5 सेकंड के लिए 35 क्रेडिट, 10 सेकंड के लिए 70 और 30 सेकंड के लिए 210। अगर आपको किसी पहले से बने वीडियो में बोली गई बातें बदलनी हैं, तो "Lip Sync" टूल का इस्तेमाल करें।