Foto falante: vídeo com sincronização labial a partir de um retrato

Dê ao Rigel um retrato e um roteiro, e ele gera um vídeo falante com sincronização labial realista: a pessoa da foto parece dizer as suas palavras, com uma expressão que acompanha a fala.

O vídeo de alguém falando para a câmera é o formato mais reaproveitado nas redes sociais, e normalmente exige uma câmera, uma produção e orçamento para regravar. Uma foto falante exige um retrato e uma frase que você quer que seja dita.

Como funciona

  1. Envie um retrato. De frente, nítido, com a boca e o maxilar bem visíveis.
  2. Adicione o seu roteiro. Digite o que deve ser dito na mesma etapa em que você descreve a cena.
  3. Gere. O Rigel produz um clipe de 5 a 30 segundos com sincronização labial, expressão facial e movimentos de cabeça que acompanham a fala.

Descrevendo a cena e adicionando um roteiro antes de gerar

O resultado é salvo no seu rolo de câmera em formato vertical ou quadrado, então vai direto para Reels, Shorts, TikTok ou Stories, sem nenhuma etapa no meio.

Como escrever um roteiro que funciona

  • Escreva para o ouvido, não para o papel. Frases curtas. Linguagem falada. Uma ideia por frase.
  • Coloque o gancho no início. Nas redes, o público decide no primeiro segundo e meio; a frase mais forte deve ser a primeira.
  • Respeite a duração do clipe. Cerca de 15 a 70 palavras cabem em uma geração de 5 a 30 segundos em ritmo natural. Colocar mais deixa a fala apressada e a sincronização labial menos tolerante.
  • Inclua direção de atuação no prompt da cena. “Calma, pouca energia, leve sorriso, falando para a câmera” muda a atuação, não só as palavras.

O que faz um bom retrato de origem

A principal alavanca de qualidade é a foto. Rosto com tamanho razoável no quadro, luz uniforme sobre ele, boca desobstruída, cabeça mais ou menos voltada para a câmera. Fotos de perfil, óculos escuros, mãos perto da boca, sombras duras sobre o maxilar e recortes em baixa resolução são as causas recorrentes de formatos de boca pouco convincentes.

Se a sua melhor fonte for uma Live Photo em vez de uma imagem estática comum, Live Photo para vídeo cobre esse caminho. O fluxo geral de imagem estática para clipe está na página de foto para vídeo.

Para que usar

  • Conteúdo de criador: uma semana de posts falando para a câmera a partir de uma única sessão de fotos, sem regravar.
  • Narração de personagens: dê voz a um personagem fictício ao longo de uma série em episódios.
  • Variações de produto e de anúncio: teste cinco ganchos diferentes com o mesmo apresentador e veja qual prende a atenção.
  • Vídeos explicativos: uma resposta curta falada, com um rosto, que nas redes tem desempenho consistentemente melhor que texto.

Para peças mais longas, gere várias cenas faladas e junte-as como descrito em vídeo longo com IA.

Limites honestos

A sincronização labial desta geração de modelos é boa, não perfeita. Fala rápida, sotaques fortes, ângulos extremos e vogais muito curtas são onde isso aparece. Detalhes finos em torno dos dentes podem ficar suavizados em enquadramentos fechados. A solução prática é a mesma de uma produção real: ficar com a melhor tomada, encurtar a fala e gravar (neste caso, escolher) um quadro mais limpo.

E a regra que não é técnica: envie só rostos que você tem o direito de usar. Uma foto falante de alguém que nunca concordou em dizer aquelas palavras é o caso de uso indevido deste recurso, e nenhum prompt torna isso aceitável.

Para começar

O Rigel é gratuito para baixar no iOS 16.6+ e no Android, com créditos iniciais incluídos, então sua primeira foto falante não custa nada. Pacotes de créditos e uma assinatura estão disponíveis dentro do app; cada geração mostra o custo em créditos antes de você confirmar.

Perguntas frequentes

Do que eu preciso para fazer uma foto falar?
Um retrato em que o rosto esteja nítido e de frente, mais as palavras que você quer que sejam ditas. Você adiciona o roteiro na mesma etapa em que descreve a cena e depois gera.
Qual pode ser o tamanho do roteiro?
O que couber em um clipe de 5 a 30 segundos: cerca de 15 a 70 palavras em um ritmo natural de fala. Mensagens mais longas funcionam melhor divididas em várias cenas.
Funciona em outros idiomas além do inglês?
A cobertura de idiomas da sincronização labial está sendo ampliada aos poucos. Hoje, o inglês é a opção mais segura; se o seu idioma gerar formatos de boca pouco convincentes, frases mais curtas e um ritmo mais lento costumam ajudar.
Posso usar a foto de outra pessoa?
Só com a permissão dela. Fazer alguém parecer dizer coisas que nunca disse é o uso indevido óbvio deste recurso, e cabe a você ter o consentimento para o rosto que envia.
Por que a boca às vezes fica estranha?
Geralmente por causa da foto de origem. Perfis, bocas parcialmente cobertas, sombras fortes na parte de baixo do rosto, óculos escuros e rostos muito pequenos reduzem a informação com que o modelo pode trabalhar.