Um avatar falante é um vídeo em que a pessoa da sua foto fala a sua gravação de áudio. O MiniMax H3 Lip Sync sincroniza o movimento dos lábios com o som e adiciona expressões faciais naturais, piscadas e movimento de cabeça, deixando o clipe com aparência viva em vez de uma máscara animada.
Qualquer gravação de até 30 segundos funciona: fala, uma saudação, narração ou canto. Os melhores resultados vêm de um retrato nítido de frente e um áudio limpo, sem ruído de fundo. Personagens ilustrados também funcionam, desde que o rosto fique claramente visível.
O preço depende da duração do áudio: 35 créditos para 5 segundos, 70 para 10 e 210 para 30. Se precisar substituir a fala em um vídeo já pronto, use a ferramenta "Lip Sync".