肖像用的 AI 說話頭像與對口型指南

說話頭像是一張看起來在說話的肖像。有用的場合很窄：一句圖書館 歡迎詞、一句產品旁白，或一兩句課前引入。本指南用虛構的 圖書館助理 Mara Chen 做規劃示例。她的台詞是：Your hold is ready at the front desk.

在 OmniArt 上，你可以在圖像工作台裡設計肖像，並用 音訊工作台裡的語音模型生成聲音。公開的模型目錄裡有圖像模型、影片模型 和語音模型。目錄裡沒有專門的對口型或說話頭像控制項，不能把 台詞映射成嘴型。到 OmniArt 之外的對口型編輯器裡完成對齊，再按 你要發布的裁切複查檔案。這一類的背景說明見 頭像筆記、 對口型筆記和 照片頭像筆記。

說話肖像用來做什麼

臉承載資訊、鏡頭又保持很近時，再用說話肖像。Mara 的台詞行得通，是因為觀眾只需要一個事實和一個注視點：取書櫃台，而不是把整棟樓逛一遍。 計畫一個想法、一張臉、一種取景。 書架鏡頭屬於另一條片段。

先拿到同意，再讓一張臉動起來

讓你自己創作的臉動起來，或者讓明確同意這一次用途的真人動起來。如果 Mara 取材於 同事，就為肖像、聲音，以及你會發布片段的地方，拿到書面同意。

寫台詞，並選定聲音

寫成一口氣能讀完。Your hold is ready at the front desk 落得很乾淨。把這句 出聲讀一遍。如果打絆，先刪詞，再生成。

在 OmniArt 的音訊工作台裡生成聲音，整段只用一個預設。 MiniMax Speech 2.8 指南 講了 HD 和 Turbo 的成片，以及標點。從測試句到最終 那句，都用同一個預設，包括兩端的短暫停頓。

用一句短台詞跑同步測試

用任何外部工具之前，先為 Mara 做一條短的圖生影片測試，帶一個小點頭或一次眨眼。 這條測試檢查光線、肩膀，以及這張臉是不是還是 Mara。它並不聲稱嘴 對上了詞。接受圖像的影片模型可以讓靜止畫面動起來。那種運動並不是 把影格綁到你的聲音檔案上的控件。

把通過的聲音放進 OmniArt 之外的對口型編輯器，只同步這一句。 打開聲音，用正常速度播放。嘴應該在第一個詞張開，並在 這句話結束時穩住，下巴仍然連在臉上。

如果測試失敗，只改一個輸入。用更清楚的正面靜止畫面、更慢的朗讀，或 更乾淨的音訊檔案。例如，如果一張下巴內收的四分之三自拍擋住了 下唇，就否掉它：同步工具可能得去發明缺失的嘴沿。這是一條否決標準， 不是我們做過的某次測試的結果。

讓臉在各條成片之間保持不動

Mara 在靜止畫面、運動測試和 同步後的匯出裡，需要同一雙眼睛、同一條髮縫和敞開的領口。重複使用已通過的圖像。 角色指南 在這裡也適用，哪怕表演只有一句話。

已通過的靜止畫面是平視，圖書館窗戶在她左肩後面，沒有東西 擋住嘴。墨鏡、手托下巴、嚴重模糊和很陡的側臉，會藏住 對口型編輯器必須讀到的形狀。

按最終取景複查片段

按你要發布的裁切複查匯出檔案。9:16 的圖書館貼文，把字幕 放在下巴下面，免得穿過嘴。檢查裁切之後眼睛是否仍然看向鏡頭， 聲音裡沒有房間底噪，以及畫面上的字是否和口播的那句一致。

看一遍意思，再看一遍嘴。暫停時看起來很清晰的一個影格， 句子一開始仍可能覺得晚了。音樂要壓在聲音下面。如果裁切切到 領口，就回到已通過的靜止畫面。

在 OmniArt 上開始

在圖像工作台裡把 Mara 做成原創的正面肖像，兩隻眼睛和 嘴都不要被擋住。在音訊工作台裡生成那一句聲音，並儲存這一條。 影片模型只用來給靜止畫面做短的運動測試。在外部 編輯器裡完成對口型，然後在字幕就位後，看一遍最終取景，再發布。