一张照片加一段音频，变成说话视频
来自ByteDance的OmniHuman 2，能用一张照片和一段音频让人物动起来，生成最长5分钟的逼真说话人视频。你不需要拍摄素材、不需要摄像机，也不需要录制环节，只需要一张清晰的肖像照。可选的英文简短提示词能引导手势、场景和镜头，让同一张脸可以在桌前讲解、站在摄影棚中，或直接对着镜头说话。每5秒需400积分，积分价格接近模型真实成本。
为你的虚拟形象赋予真实声音
Biggs Voice 为你的数字人配上 ElevenLabs 的 29 种语言配音，还能控制情绪和语速。ElevenLabs v4 能识别 [whispers]、[laughs] 这类内嵌标签来指导语气，每 1,000 字符 17 积分。想让数字人用你的声音说话？只需一段简短样本，经本人授权即可克隆声音，再通过 MiniMax Speech 2.8 HD 发声，支持 (laughs)、(sighs) 和停顿。已经有录音了？Voice Changer 能为任意录音换上另一种声音，同时保留原有的节奏和情绪。
已有视频？重新对好口型
如果你有现成素材和新的音轨，Sync Labs 出品的 Sync Lipsync 3 能将画面中的口型与新音频逐帧精准对齐。用它修正一句台词、替换配音，或匹配新录制的音频，都无需重拍，每 5 秒 250 积分。如果要换成其他语言，Translate & Lip-sync 能一步完成翻译配音和口型同步，用你自己的声音说出另一种语言，口型自然贴合新台词。每次生成的积分价格都接近模型真实成本，失败会全额退还。
可用功能
小技巧
- OmniHuman 2 的提示词要简短，用英文书写，只用来控制手势、场景和运镜。
- 在脚本中加入 [whispers]、[laughs]、[sighs] 等 ElevenLabs v4 标签，让数字人的语气更有感情。
- 先创建一个 Biggsfluencer 角色，让同一张脸出现在每张照片、每条视频和每段说话片段中，并配上专属声音。
- 如果你只是想替换现有视频的音频，用 Sync Lipsync 3 即可，不需要重新生成数字人视频。
常见问题
数字人说话视频最长能做多久？
OmniHuman 2 只需一张照片和一段音频，就能生成长达 5 分钟的真人说话视频。
费用怎么算？
OmniHuman 2 每 5 秒 400 积分，ElevenLabs v4 配音每 1,000 字符 17 积分。积分价格接近模型真实成本，生成失败会退还积分。
数字人能说其他语言，或用我的声音吗？
可以。ElevenLabs 覆盖 29 种语言，你还可以用一段简短样本（经本人授权）克隆自己的声音，再通过 MiniMax Speech 2.8 HD 发声。
能修改已有视频里的台词吗？
可以。Sync Lipsync 3 能将现有视频的口型与新音轨逐帧精准对齐，每 5 秒 250 积分。