AI 會說話的虛擬人生成器
上傳一張正面人像和一個 MP3 或 WAV 檔。Avatar Omni Human 1.5 會回傳這個人說話或唱歌的影片，嘴型、表情和肢體動作全部直接由音訊生成。輸出支援 720p 或 1080p。
片段最長 60 秒，15 秒以內效果最好。還可以加一句提示詞來指定場景、動作或表情，中文、英文、日文、韓文、西班牙文和印尼文都讀得懂。
AI 虛擬人生成器：讓照片開口說你的話
上傳一張人像和一個音訊檔。音訊驅動的虛擬人模型會讓這張臉動起來，嘴型和表情跟著錄音走，做好的說話影片可以直接下載。
一張人像，做出 AI 虛擬人影片
幾秒鐘的表情片段，還是十分鐘的說明影片，都只要這兩樣輸入。
長錄音也能對準嘴型
腳本是一整堂課而不是一支短影音時，InfiniteTalk 用同一張人像最長能處理 10 分鐘音訊。整段錄音的唇形同步都精準到音素等級，臉、髮型、服裝和背景也一路維持穩定。輸出支援 480p 或 720p。
旁白可以在音訊頁籤裡先生成好再拿過來，然後用提示詞調整表情和姿態。一堂課程或一段產品導覽，不用租攝影棚，也不用找人露臉。
AI 虛擬人模型，全都在這裡
兩個模型，對應不同長度。又短又有表情、想要 1080p 的片段選 Avatar Omni Human 1.5，音訊比較長就選 InfiniteTalk。
三步做出 AI 虛擬人影片
1
上傳人像
用一張清楚的單人正面照。背景單純、臉沒有遮擋，模型能發揮的空間最大。
2
加上音訊
配上一個 MP3 或 WAV：可以是錄音，也可以是你在音訊頁籤裡生成的語音。
3
生成，然後下載
選好模型和解析度，按下生成，再把完成的影片下載下來。
會說話的虛擬人可以幫你做什麼？
挑一個最接近你工作的頁籤，看看虛擬人在哪些場合可以省掉一次拍攝。
每個市場都有自己的 AI 代言人
一張人像，多種語言。每種語言各錄一版或生成一版腳本，同一張臉跑一次模型，整檔活動在各地都是同一位代言人，不必讓人飛來飛去。
不進攝影棚也能錄露臉課程
用 InfiniteTalk 把十分鐘的授課錄音變成影片。整堂課講師都在畫面裡，要更新內容只要換掉音訊，不必重拍。
AI 虛擬人商品導覽
讓每件商品都有專屬導覽員。把音訊頁籤裡生成的商品文案配上一張品牌形象人像，導覽影片就能直接放到商品頁，或者做成 UGC 風格的廣告。
改內容不用重拍的新人到職影片
制度說明只要錄一次音，再用 InfiniteTalk 配上固定的講解人，它在長錄音裡也能一路對準嘴型。流程一改，換個音訊檔，還是同一張臉來講新版本。
虛擬人周邊的更多 Atlas Cloud AI 工具
常見問題
AI 虛擬人生成器是一種用音訊驅動影片的 AI：它讓一張靜態人像照著指定的音軌說話。你上傳一張照片和一個音訊檔，模型依聲音生成嘴型、表情和肢體動作，最後回傳這個人說話的影片。
Atlas Cloud 已支援字節跳動的 Avatar Omni Human 1.5 和 InfiniteTalk。兩個都接收人像加音訊，主要差別在片段長度和解析度。
Avatar Omni Human 1.5 生成最長 60 秒的片段，建議控制在 15 秒以內。InfiniteTalk 單次最長接收 10 分鐘音訊。
Avatar Omni Human 1.5 輸出 720p 或 1080p，InfiniteTalk 輸出 480p 或 720p。
單人正面人像，臉部清楚可見。兩個模型都是按照每支片子只有一位說話者來設計的。
對得上。Avatar Omni Human 1.5 本來就同時支援說話和唱歌，動作和表情都是從音訊裡生成的，不靠腳本。
Avatar Omni Human 1.5 列出的語言包括中文、英文、日文、韓文、西班牙文和印尼文。唇形同步是跟著音訊本身走的，所以關鍵在於錄音是什麼語言。
可以。用語音合成模型生成旁白，把檔案下載下來，在這裡當成音訊輸入上傳。虛擬人對生成語音的唇形同步效果，跟真人錄音是一樣的。
有。兩個模型都能透過 Atlas Cloud API 呼叫，驗證方式和圖片、影片的 API 完全一樣。逛逛虛擬人模型頁面就能開始開發。
