肖像用的 AI 说话头像与对口型指南

说话头像是一张看起来在说话的肖像。有用的场合很窄：一句图书馆 欢迎词、一句产品旁白，或一两句课前引入。本指南用虚构的 图书馆助理 Mara Chen 做规划示例。她的台词是：Your hold is ready at the front desk.

在 OmniArt 上，你可以在图像工作台里设计肖像，并用 音频工作台里的语音模型生成声音。公开的模型目录里有图像模型、视频模型 和语音模型。目录里没有专门的对口型或说话头像控件，不能把 台词映射成嘴型。到 OmniArt 之外的对口型编辑器里完成对齐，再按 你要发布的裁切复查文件。这一类的背景说明见 头像笔记、 对口型笔记和 照片头像笔记。

说话肖像用来做什么

脸承载信息、镜头又保持很近时，再用说话肖像。Mara 的台词行得通，是因为观众只需要一个事实和一个注视点：取书前台，而不是把整栋楼逛一遍。 计划一个想法、一张脸、一种取景。 书架镜头属于另一条片段。

先拿到同意，再让一张脸动起来

让你自己创作的脸动起来，或者让明确同意这一次用途的真人动起来。如果 Mara 取材于 同事，就为肖像、声音，以及你会发布片段的地方，拿到书面同意。

写台词，并选定声音

写成一口气能读完。Your hold is ready at the front desk 落得很干净。把这句 出声读一遍。如果打绊，先删词，再生成。

在 OmniArt 的音频工作台里生成声音，整段只用一个预设。 MiniMax Speech 2.8 指南 讲了 HD 和 Turbo 的成片，以及标点。从测试句到最终 那句，都用同一个预设，包括两端的短暂停顿。

用一句短台词跑同步测试

用任何外部工具之前，先为 Mara 做一条短的图生视频测试，带一个小点头或一次眨眼。 这条测试检查光线、肩膀，以及这张脸是不是还是 Mara。它并不声称嘴 对上了词。接受图像的视频模型可以让静帧动起来。那种运动并不是 把帧绑到你的声音文件上的控件。

把通过的声音放进 OmniArt 之外的对口型编辑器，只同步这一句。 打开声音，用正常速度播放。嘴应该在第一个词张开，并在 这句话结束时稳住，下巴仍然连在脸上。

如果测试失败，只改一个输入。用更清楚的正面静帧、更慢的朗读，或 更干净的音频文件。例如，如果一张下巴内收的四分之三自拍挡住了 下唇，就否掉它：同步工具可能得去发明缺失的嘴沿。这是一条否决标准， 不是我们做过的某次测试的结果。

让脸在各条成片之间保持不动

Mara 在静帧、运动测试和 同步后的导出里，需要同一双眼睛、同一条发缝和敞开的领口。重复使用已通过的图像。 角色指南 在这里也适用，哪怕表演只有一句话。

已通过的静帧是平视，图书馆窗户在她左肩后面，没有东西 挡住嘴。墨镜、手托下巴、严重模糊和很陡的侧脸，会藏住 对口型编辑器必须读到的形状。

按最终取景复查片段

按你要发布的裁切复查导出文件。9:16 的图书馆帖子，把字幕 放在下巴下面，免得穿过嘴。检查裁切之后眼睛是否仍然看向镜头， 声音里没有房间底噪，以及画面上的字是否和口播的那句一致。

看一遍意思，再看一遍嘴。暂停时看起来很清晰的一帧， 句子一开始仍可能觉得晚了。音乐要压在声音下面。如果裁切切到 领口，就回到已通过的静帧。

在 OmniArt 上开始

在图像工作台里把 Mara 做成原创的正面肖像，两只眼睛和 嘴都不要被挡住。在音频工作台里生成那一句声音，并保存这一条。 视频模型只用来给静帧做短的运动测试。在外部 编辑器里完成对口型，然后在字幕就位后，看一遍最终取景，再发布。