ابزارهای همراه عکس سخنگو · همراه اپ

عکسی که حرف می‌زند. ویدیویی به زبانی دیگر.

یک تصویر روبه‌رو از یک نفر یا شخصیتی خیالی، و متنی را که باید بگوید، به دستیار بدهید؛ لب‌ها، چشم‌ها و سر با کلمات حرکت می‌کنند. یا ویدیو و زبان مقصد را بدهید: دستیار گفتار را پیاده‌سازی، ترجمه و گویندگی می‌کند و حرکت دهان را با گفتار جدید هماهنگ می‌کند.

  • هماهنگی حرکت لب‌ها با کلمات
  • دوبله به زبانی دیگر
  • صدای ضبط‌شدهٔ شما یا کلید سرویس صدای خودتان
عکسی از زنی خیالی با موهای فرفری مسی‌رنگ که جمله‌ای را به انگلیسی می‌گوید و لب‌ها، چشم‌ها و سرش با کلمات حرکت می‌کنند؛ سپس همان کلیپ با دوبلهٔ اسپانیایی و حرکت دهان هماهنگ با کلمات جدید.
کارهایی که می‌توانید انجام دهید

چطور کار می‌کند؟

  • یک تصویرتصویری واضح و روبه‌رو از یک نفر یا شخصیتی خیالی، یا شخصیتی که ذخیره کرده‌اید.
  • متن دلخواه یا صدای ضبط‌شدهفایل ضبط‌شدهٔ گفتار را بدهید یا متن را بنویسید تا با صدایی از کلید ElevenLabs خودتان خوانده شود.
  • شیوهٔ حرکتچند دستور کوتاه، مثل لبخندی گرم و تکان‌های آرام سر.
  • هر قالبیتصویر با همان کادر حفظ می‌شود یا به نسبت ۹:۱۶، ۱۶:۹ یا ۱:۱ برش می‌خورد.
  • دوبلهٔ ویدیوگفتار پیاده‌سازی، ترجمه و گویندگی می‌شود و حرکت لب‌ها با آن هماهنگ می‌شود؛ صدای اصلی زیر گفتار بی‌صدا، کم‌صدا یا حذف می‌شود.
  • صدای چه کسی؟صدای ضبط‌شدهٔ خودتان، یا صدایی با کلید ElevenLabs خودتان: یکی از صداهای آماده یا نسخه‌ای از صدای خودتان.

یک عکس وارد کنید، یک کلیپ سخنگو تحویل بگیرید.

سمت چپ، تصویر اصلیِ نمونهٔ ما: زنی خیالی. سمت راست، لحظه‌ای از صحبت‌کردن او به انگلیسی.

قبل و بعد: تصویر ثابت زنی خیالی با ژاکت خردلی، و لحظه‌ای از کلیپ که در آن صحبت می‌کند.

همان کلیپ، به اسپانیایی.

صدای تازه‌ای جملهٔ ترجمه‌شده را می‌گوید و حرکت لب‌های گوینده با آن هماهنگ می‌شود. نمونه‌های ما با نسخهٔ بتای Tesseract و یک صدای آماده ساخته شده‌اند.

یک لحظهٔ یکسان در کلیپ انگلیسی و دوبلهٔ اسپانیایی.
خوب است بدانید
  • لیپ‌سینک با اعتبار Tesseract شما انجام می‌شود، اگر وارد حساب شده باشید، یا با کلید fal.ai خودتان. برای خواندن متن تایپ‌شده به کلید ElevenLabs خودتان نیاز دارید و برای دوبله هم باید با کلید Google (Gemini) خودتان گفتار را رونویسی کنید. هزینهٔ استفاده از کلیدهای خودتان پیش از شروع نمایش داده می‌شود.
  • از تصویر خودتان، تصویر بزرگسالی که رضایت داده است، یا تصویر شخصی خیالی استفاده کنید.
پرسش‌ها

پرسش‌های رایج

در کجای برنامه است؟

از دستیار بخواهید: تصویری به آن بدهید و متن را بنویسید، یا ویدیویی بدهید و زبان را مشخص کنید.

مدت ویدیو چقدر می‌تواند باشد؟

گفتار می‌تواند تا پنج دقیقه باشد. اگر زمان بیشتری درخواست نکنید، مدت کلیپ به یک دقیقه محدود است.

هزینه‌اش چقدر است؟

هزینهٔ لیپ‌سینک از اعتبار Tesseract شما یا کلید fal.ai خودتان کسر می‌شود. متن تایپ‌شده با کلید ElevenLabs خودتان خوانده می‌شود و برای رونویسی گفتارِ دوبله از کلید Google خودتان استفاده می‌شود. هزینهٔ استفاده از کلیدهای خودتان پیش از شروع کار نمایش داده می‌شود.

یک عکس را به حرف بیاورید.

رایگان برای Mac، Windows و Linux، همراه با همهٔ ابزارهای دیگر.