Avatar biết nói là video trong đó nhân vật từ bức ảnh của bạn phát ra âm thanh bạn đã ghi. MiniMax H3 Lip Sync đồng bộ chuyển động môi theo âm thanh và thêm biểu cảm khuôn mặt tự nhiên, chớp mắt, chuyển động đầu, khiến đoạn clip trông sống động chứ không phải như một chiếc mặt nạ hoạt hình.
Bất kỳ bản ghi âm nào dài tối đa 30 giây đều dùng được: lời nói, lời chào, giọng đọc hoặc bài hát. Kết quả tốt nhất đến từ một bức chân dung rõ nét, chụp thẳng mặt và âm thanh sạch, không có tiếng ồn nền. Nhân vật minh họa cũng hoạt động tốt, miễn là khuôn mặt hiển thị rõ ràng.
Giá phụ thuộc vào độ dài âm thanh: 35 credit cho 5 giây, 70 cho 10 giây, và 210 cho 30 giây. Nếu bạn cần thay lời thoại trong một video đã hoàn chỉnh, hãy dùng công cụ "Lip Sync".