AI 口播视频生成器

选一张清晰人像,写下口播文案或上传录音,就能在线做出自然对口型的口播视频。

JPG、PNG 或 WEBP · 正面清晰的人像效果更稳定。

也可以选择预设:

音色
Voice preview stopped
说话与动作(可选)

分辨率

预计时长

8s · 40 积分

一张照片,直接做成口播视频

不用出镜,也不用重新拍摄。上传一张人物照片,再配上文案或录音,就能让照片中的人物自然开口,生成可下载的口播片段。

01

选一张清晰正脸照

人物正对镜头、五官无遮挡、光线均匀,生成后的嘴型和表情会更自然。

02

文案和录音都能用

想快速出片就直接写文案;在意语气、停顿或发音时,可以上传自己的录音。

03

生成后直接查看

成片会保存在 History 中,方便预览、下载,再加入字幕、音乐或其他画面。

AI 口播视频生成器 example portrait

写文案,或者用自己的声音

需要快速测试内容时,可以输入文案并选择音色;需要保留真人语气时,就上传现成录音。两种方式都能直接驱动同一张照片开口。

01

输入口播文案

最多输入 1,000 个字符,选择合适音色,还可以补充说话方式和动作要求。

02

上传自己的录音

支持 MP3、WAV、M4A,文件最大 15 MB。人声越清楚、背景噪声越少,口型越容易跟准。

03

一句话讲清重点

短句和自然停顿更适合短视频开场、产品卖点、活动通知和知识讲解。

适合 YouTube Shorts 和 TikTok 的短视频口播

当你需要一个人物或角色快速讲清主题,却不方便真人出镜时,可以先生成口播片段,再放进竖屏剪辑里搭配字幕、产品画面、录屏或 B-roll。

YouTube Shorts 开场

先用一句话点题、抛出问题或给出看下去的理由,再接教程、清单或故事正文。

TikTok 钩子和角色短片

让肖像、品牌吉祥物、插画角色或已获授权的人物图像讲段子、做反应、介绍产品。

产品与频道通知

快速制作功能介绍、上新预告、创作者动态、行动号召,或同一内容的不同语言版本。

留好竖屏剪辑空间

这里负责生成人物口播;发布前可在剪辑软件中补充竖屏构图、字幕、转场、音乐和安全边距。

三步做好一条 AI 口播视频

照片、声音和画质都在同一个页面设置,点击生成前就能看到预计时长和所需积分。

1

1. 添加人物照片

上传 JPG、PNG 或 WEBP,也可以从素材库和预设人像中选择。

2

2. 添加口播内容

输入文案并选择音色,或者切换到上传音频,使用自己的录音。

3

3. 选择画质并生成

720p 适合低成本试做,1080p 能保留更多面部细节。生成后可在 History 中查看和下载。

不只是短视频开场

只要画面里需要一个明确的讲述者,口播片段就能单独使用,也能成为完整视频中的一段。

产品讲解

用品牌人物介绍一项功能、一个卖点,或衔接不同的产品镜头。

课程和知识内容

先由讲述者做简短开场,再切到课件、案例或屏幕录制。

个性化问候

用有授权的照片和声音制作生日祝福、欢迎语、感谢视频或活动寄语。

原创角色与故事

让原创插画、品牌吉祥物和 AI 角色说出台词,为剧情和旁白增加人物感。

做口播,不用来回切工具

从选照片、配声音到查看成片,都在一个页面里完成,素材和生成记录也更好找。

01

文案与录音随时切换

同一张照片既能搭配 AI 音色,也能使用你的真人录音。

02

720p 和 1080p 可选

根据发布场景选择画质,生成前先确认时长和积分。

03

案例与 History 放在一起

可以参考示例,也能随时回来查看处理中和已完成的视频。

04

接着完成后期

还可以继续使用视频生成、声音生成和视频帧提取等创作工具。

发布前,先确认你有使用权

照片口播容易被当成真人实拍。请只使用你有权使用的人像和声音;如果内容可能让观众误解,也要明确标注为 AI 合成。

01

使用已授权素材

使用自己的照片和声音、正版素材,或已获得明确许可的内容。

02

不要冒充或误导

不要让真实人物看起来支持、承认或说出他们从未表达过的内容。

03

遵守发布平台规则

发布前检查 YouTube、TikTok 以及广告、版权和 AI 内容标注要求。

AI 口播视频常见问题

它能把一张静态人物照片变成会开口说话的视频。你只要输入文案或上传录音,系统就会根据声音生成对应的嘴型和面部动作。

添加一张清晰人像,输入口播文案或上传录音,选择 720p 或 1080p,确认预计积分后点击“生成口播视频”即可。

可以。切换到“上传音频”,选择不超过 15 MB 的 MP3、WAV 或 M4A 文件。人声清楚、背景安静的录音效果更稳。

建议使用光线均匀、人物正对镜头、只有一张清晰面孔的照片。侧脸、遮挡、模糊或人物太小,都会影响嘴型和表情。

目前最长支持 60 秒。输入文案时会根据字数估算时长;上传录音时会读取音频长度,超过 60 秒则无法生成。

720p 更适合试做和低成本测试;需要更多面部细节,或准备放进高清成片时,可以选择 1080p。

720p 每秒消耗 5 积分,1080p 每秒消耗 9 积分。点击生成前,页面会显示预计时长和总积分。

不需要。选照片、添加声音、设置画质、生成、查看 History 和下载成片,都可以直接在浏览器中完成。

只有在你拥有合法使用权并获得当事人适当许可时才可以。请勿用来冒充、欺骗、骚扰他人,或把虚构言论安到真实人物身上。

现在做一条口播视频

选好照片,写下文案或上传录音,确认预计时长和积分后即可生成。