Funktion

Talende foto: læbesynkroniseret video fra ét portræt

Giv Rigel et portræt og et manuskript, så genererer appen en talende video med realistisk læbesynkronisering — personen på fotoet ser ud til at sige dine ord, med en mimik der følger fremførelsen.

Opdateret · Rigel af Kata Technology

Talking heads er det mest genbrugte format på sociale medier, og normalt kræver det et kamera, en opstilling og tid til omtagninger. Et talende foto kræver ét portræt og en sætning, du vil have sagt.

Sådan fungerer det

  1. Upload et portræt. Vendt fremad, skarpt, med mund og kæbe tydeligt synlige.
  2. Tilføj dit manuskript. Skriv det, der skal siges, i samme trin, som du beskriver scenen.
  3. Generér. Rigel laver et klip på 5–30 sekunder med læbesynkronisering, mimik og hovedbevægelser, der følger fremførelsen.

Beskrivelse af scenen og tilføjelse af et manuskript før generering

Resultatet gemmes i din kamerarulle i lodret eller kvadratisk format, så det går direkte til Reels, Shorts, TikTok eller Stories uden mellemled.

Skriv et manuskript, der rammer

  • Skriv til øret, ikke til papiret. Korte sætningsled. Talesprog. Én idé pr. sætning.
  • Læg krogen først. Seere på sociale medier beslutter sig i løbet af det første halvandet sekund; den stærkeste replik skal komme først.
  • Hold dig inden for klippets længde. Cirka 15–70 ord passer til en generering på 5–30 sekunder i naturligt tempo. Proppes der mere ind, bliver fremførelsen forhastet og læbesynkroniseringen mindre tilgivende.
  • Tilføj regi i sceneprompten. "Rolig, lav energi, let smil, taler til kameraet" ændrer præstationen, ikke kun ordene.

Hvad der gør et godt kildeportræt

Den største kvalitetsfaktor er fotoet. Ansigtet rimelig stort i billedet, jævnt lys på ansigtet, munden fri, hovedet nogenlunde vendt mod kameraet. Profilbilleder, solbriller, hænder tæt på munden, hård skygge hen over kæben og lavopløste udsnit er de tilbagevendende årsager til svage mundbevægelser.

Hvis din bedste kilde er et Live Photo frem for et fladt stillbillede, gennemgår Live Photo til video den vej. Den generelle arbejdsgang fra stillbillede til klip finder du på siden om foto til video.

Hvad du kan bruge det til

  • Indhold til skabere — en uges talende opslag fra én fotosession, uden at optage igen.
  • Fortællerstemme til karakterer — giv en fiktiv karakter en stemme gennem en hel serie.
  • Produkt- og annoncevarianter — test fem forskellige kroge med den samme præsentator, og se, hvilken der fastholder opmærksomheden.
  • Forklaringsvideoer — et kort talt svar knyttet til et ansigt, som konsekvent klarer sig bedre end tekst på sociale medier.

Til længere stykker genererer du flere talende scener og sætter dem sammen som beskrevet i lang AI-video.

Ærlige grænser

Læbesynkronisering i denne generation af modeller er god, ikke perfekt. Hurtig tale, kraftige accenter, ekstreme vinkler og meget korte vokaler er der, hvor det kan ses. Fine detaljer omkring tænderne kan blive bløde i tætte udsnit. Den praktiske løsning er den samme som i en rigtig produktion: vælg den bedste optagelse, forkort replikken, og tag — i dette tilfælde: find — et renere billede.

Og reglen, der ikke er teknisk: upload kun ansigter, du har ret til at bruge. Et talende foto af en person, der aldrig har sagt ja til at sige de ord, er netop det misbrug, denne funktion kan bruges til, og ingen prompt gør det acceptabelt.

Kom i gang

Rigel er gratis at downloade på iOS 16.6+ og Android med startcredits inkluderet, så dit første talende foto koster ingenting. Creditpakker og et abonnement fås i appen; hver generering viser sin pris i credits, før du bekræfter.

Ofte stillede spørgsmål

Hvad skal jeg bruge for at få et foto til at tale?
Ét portræt, hvor ansigtet er tydeligt og vender fremad, plus de ord, du vil have sagt. Du tilføjer manuskriptet i samme trin, som du beskriver scenen, og genererer så.
Hvor langt må manuskriptet være?
Hold det til det, der kan være i et klip på 5–30 sekunder — cirka 15 til 70 ord i naturligt taletempo. Længere budskaber fungerer bedre fordelt på flere scener.
Virker det på andre sprog end engelsk?
Sprogdækningen for læbesynkronisering udvides løbende. Engelsk er det sikreste valg i dag; hvis dit sprog giver svage mundbevægelser, hjælper kortere sætninger og et roligere tempo som regel.
Må jeg bruge et foto af en anden?
Kun med vedkommendes tilladelse. At få en person til at se ud til at sige ting, de aldrig har sagt, er det åbenlyse misbrug af denne funktion, og det er dit ansvar at have samtykke til det ansigt, du uploader.
Hvorfor ser munden nogle gange forkert ud?
Som regel på grund af kildefotoet. Profilvinkler, en delvist skjult mund, kraftig skygge på den nederste del af ansigtet, solbriller og meget små ansigter mindsker alle den information, modellen har at arbejde med.