Говорящее фото: нейросеть оживит снимок и озвучит его
Загрузите портрет и напишите, что человек должен сказать, — нейросеть Veo 3.1 сделает короткий ролик: лицо оживает, губы двигаются в такт словам, вокруг слышны звуки сцены
Сделать говорящее фотоVeo 3.1 · ролик 4–8 секунд · от 7 токенов за секунду
Как это работает
Загрузите фото
Портрет, где лицо крупно и хорошо видно
Напишите реплику
Одну короткую фразу — что человек скажет в кадре
Скачайте ролик
Видео со звуком и речью длиной 4–8 секунд
Что такое говорящее фото
Говорящее фото — это короткое видео из обычного снимка: человек на нём моргает, поворачивает голову и произносит фразу, а губы двигаются под текст. Звук нейросеть создаёт сама — голос, шумы и фон сцены, без отдельного монтажа.
В Karavadjo говорящие ролики делает Veo 3.1 — нейросеть Google для видео. Её выбирают именно для говорящих портретов: мимика и движение губ у неё получаются естественнее, чем у других моделей оживления.
Пошагово: как сделать говорящее фото
1. Откройте оживление фото
Раздел оживления в приложении, модель Veo 3.1.
2. Загрузите снимок
Портрет или селфи: лицо анфас, крупно, при хорошем свете.
3. Опишите сцену и реплику
Что делает человек и что говорит. Например: «улыбается и говорит: „С днём рождения, мама!“».
4. Выберите длину
От 4 до 8 секунд. Чем длиннее ролик, тем дороже.
5. Скачайте видео
Ролик со звуком можно отправить в мессенджер или выложить в соцсети.
Какую фразу написать
Ролик длится 4–8 секунд, поэтому реплика — одна короткая фраза, а не монолог. «Привет, я скучаю!» поместится, поздравление на три предложения — нет: нейросеть его оборвёт или произнесёт слишком быстро.
Пишите реплику так, как её произносят вслух, без сокращений и цифр: «двадцать пять», а не «25». Интонацию можно подсказать словами: «радостно говорит», «шёпотом говорит».
Какое фото подойдёт
Лицо крупно
Губы и глаза должны быть хорошо видны — от них зависит, насколько живой получится речь.
Рот закрыт или чуть приоткрыт
С широкой улыбкой во весь рот нейросети сложнее изобразить речь.
Ровный свет
Тени на лице превращаются в странные движения при анимации.
Один человек в кадре
На групповом снимке непонятно, кто должен говорить.
Для чего делают говорящие фото
Поздравления
Человек на фото сам поздравляет с днём рождения или Новым годом.
Аватар для соцсетей
Короткое видео-приветствие вместо статичной фотографии профиля.
Розыгрыш
Фото друга, который «сказал» смешную фразу.
Контент
Говорящий персонаж для поста, сторис или ролика.
Чем говорящее фото отличается от простого оживления
Обычное оживление добавляет движение: человек улыбается, моргает, ветер шевелит волосы. Звук там не главное. Говорящее фото строится вокруг речи: модель синхронизирует губы с фразой и озвучивает её.
Для роликов без речи, но длиннее, подходят Kling 3.0 Pro и Seedance 2.0 Fast — они делают до 15 секунд. Сравнение моделей — в разделе оживления фото.
Этика и права
Делайте говорящие ролики с собственными фото или с фото людей, которые на это согласны. Не выдавайте сгенерированную речь за настоящие слова человека и не используйте её для обмана.
Как описать сцену, чтобы речь выглядела живой
Кроме реплики, опишите, что человек делает: «смотрит в камеру, улыбается и говорит», «наклоняется ближе и говорит шёпотом», «смеётся, а потом говорит». Без этого модель придумает движение сама, и оно может не совпасть с настроением фразы.
Звук тоже можно подсказать словами: «на фоне тихо играет музыка», «слышен шум улицы», «тишина, только голос». Veo озвучивает сцену целиком, поэтому фон в описании меняет и картинку, и звук.
Примеры запросов
Поздравление
«Улыбается, смотрит в камеру и говорит: „С днём рождения! Люблю тебя“».
Приветствие
«Машет рукой и говорит: „Привет! Подписывайся на мой канал“».
Признание
«Тихо, с улыбкой говорит: „Я скучаю“, потом отводит взгляд».
Шутка
«Серьёзно смотрит в камеру и говорит: „Я всё видел“, потом подмигивает».
Частые вопросы
Как сделать говорящее фото?
Загрузите портрет в раздел оживления, выберите Veo 3.1 и напишите в описании, что человек говорит. Через несколько минут будет готов ролик со звуком, где губы двигаются в такт словам.
Можно ли написать фразу на русском?
Да, реплику можно написать по-русски. Лучше всего получаются короткие простые фразы, которые помещаются в 4–8 секунд.
Можно ли загрузить свой голос?
Нет. Голос нейросеть создаёт сама по описанию сцены, свою аудиозапись загрузить нельзя.
Сколько стоит говорящее фото?
Veo 3.1 стоит от 7 токенов за секунду: ролик на 4 секунды — от 28 токенов, на 8 секунд — от 56. Первые токены начисляются бесплатно после регистрации.
Какой длины получится видео?
От 4 до 8 секунд. Для более длинных роликов без речи подойдут Kling 3.0 Pro и Seedance 2.0 Fast — до 15 секунд.
Можно ли оживить старое фото, чтобы человек заговорил?
Да, если лицо на снимке чёткое. Повреждённое фото лучше сначала восстановить в реставрации — так анимация получится аккуратнее.
Почему губы не совпадают со словами?
Чаще всего фраза слишком длинная для ролика или лицо на фото мелкое. Сократите реплику, возьмите портрет крупнее и запустите ещё раз.
Можно ли сделать это на телефоне?
Да. Сервис работает в браузере на телефоне и на компьютере, устанавливать приложение не нужно.
Пусть фото заговорит
Загрузите портрет и напишите реплику — ролик со звуком за несколько минут
Сделать говорящее фото