说话头像是一种视频效果：照片中的人物会说出你上传的音频内容。MiniMax H3 对口型技术将嘴部动作与声音精准同步，并加入自然的表情、眨眼和头部动作，让画面栩栩如生，而不是生硬的动画面具。
支持最长 30 秒的任意录音：讲话、问候语、配音或歌唱皆可。效果最佳的组合是清晰的正面肖像照配合干净无背景噪音的音频。插画角色同样适用，只要面部清晰可见即可。
价格取决于音频时长：5 秒 35 积分，10 秒 70 积分，30 秒 210 积分。如果你需要替换已完成视频中的说话内容，请使用「对口型」工具。
I
II
说话头像的工作原理
01
精准对口型
嘴型与音频完全同步
02
逼真表情
眨眼、情绪和自然的头部动作
03
说话与演唱
支持最长 30 秒的任意音频录音
04
任意肖像
真人照片与插画角色均可使用
III
说话头像的应用场景
在线课程
为课程和讲解制作会说话的主持人
企业应用
用头像制作问候语、操作指引和公告
游戏与故事
为视觉小说和视频制作配音角色
祝福贺卡
制作视频贺卡，让亲人用你写的话送上祝福
IV
三步生成说话头像
01
上传照片
选择面部清晰可见的肖像照
02
上传音频
最长 30 秒的说话或演唱录音
03
获取视频
1-3 分钟内完成生成
V
说话头像案例展示
看看您能创造什么 — 自己来试试
提示
«商务肖像 + 问候语录音»
结果
企业官网用的视频问候语
提示
«角色插画 + 配音台词»
结果
游戏中的说话角色
提示
«爷爷的照片 + 生日祝福语»
结果
一张温暖感人的视频贺卡
提示
«网红头像 + 配音脚本»
结果
带说话主持人的视频
模型 / 操作积分
- MiniMax H3 Lip Sync · 5 秒35 积分
- MiniMax H3 Lip Sync · 10 秒70 积分
- MiniMax H3 Lip Sync · 30 秒210 积分
积分套餐：150 积分 $5, 350 积分 $12, 1250 积分 $35。
VII
说话头像常见问题
什么样的照片效果最好？+
光线良好的正面肖像照，不佩戴深色墨镜，面部在画面中占比较大。
音频最长可以多久？+
最长 30 秒。更长的录音请拆分成多个片段分别生成。
可以使用插画角色吗？+
可以，只要面部清晰可见即可，插画和 3D 角色同样适用。
如何避免出现瑕疵？+
使用表情自然、画面清晰的照片，并搭配无背景噪音或音乐干扰的干净录音。