Craze 中的口型同步和会说话的照片有什么区别?
Craze 提供两种让人物说话的任务,都位于视频选项卡中:
- 口型同步从人物视频开始,调整口型以匹配新语音。适合修正对白、替换一句台词或匹配译配。
- 会说话的照片从单张人物图片开始,变成该人物说出语音的视频。适合主持人、虚拟形象和角色。
两者都需要语音片段。如果还没有,先通过 Craze 音频选项卡的语音任务制作;参见旁白。

如何在 Craze 同步视频口型?
在 Craze 让视频口型匹配新语音:
- 打开 Craze 首页的视频选项卡,或在项目中点击制作并切换到视频。
- 将任务设为口型同步。
- 添加人物说话的视频。
- 添加语音音频。
- 点击生成。按钮上会显示价格。
结果会出现在项目图库中。Sync Lipsync 3、Kling LipSync 和 LatentSync 等模型支持口型同步,各自接受的视频和音频时长不同;视频和语音框会显示所选模型的限制。
如何在 Craze 制作会说话的照片?
在 Craze 将肖像变成说话视频:
- 在 Craze 视频选项卡中,将任务设为会说话的照片。
- 添加肖像,即清晰的面部图片。
- 添加语音音频。
- 可选填写表演指导,例如“温暖,略带微笑,轻轻点头”。
- 点击生成。
OmniHuman 2、Kling Avatar 2 Pro、VEED Fabric 1.0 和 HeyGen Avatar 6 等模型可以制作会说话的照片。各模型接受的最长语音不同,从约一分钟到数分钟不等,语音框会显示所选模型的限制。
如何从 Craze 图库开始口型同步或会说话的照片任务?
Craze 图库可以从已有媒体开始这两种任务。打开项目的更多菜单,在“基于此内容制作”下查找:
| Craze 图库项目 | 后续操作 | 打开的任务 |
|---|---|---|
| 图片 | 让它说话 | 会说话的照片,图片已设为肖像 |
| 视频 | 口型同步 | 口型同步,片段已设为视频 |
| 音频 | 同步到视频口型 | 口型同步,音频已设为语音 |
| 音频 | 为照片配音 | 会说话的照片,音频已设为语音 |
补充缺少的素材,点击生成。
如何让 Craze 口型同步和会说话的照片效果更好?
输入素材清晰干净时,Craze 口型同步和会说话的照片效果最好:
- 清晰的面部。 使用面部光线充足、面向镜头且无遮挡的图片或视频。
- 干净的语音。 只有一个人声,不带背景音乐。之后在时间线上添加音乐。
- 合适的时长。 将语音控制在所选模型语音框显示的限制内。
如果第一次效果不理想,点击图库结果上的复用,加载相同设置,更换模型或表演指导后重新生成。
Craze 智能体能为你制作说话的主持人吗?
能。Craze 智能体可以一次完成脚本编写、旁白生成,以及会说话的照片或口型同步。在聊天中提出要求,例如“让我的头像照用友好的声音介绍这份脚本”,并附上照片。Craze 智能体会在生成前展示模型和价格。所有口型同步和会说话的照片模型见 Craze 模型页面。