Faça uma foto falar com qualquer áudio em português

O sistema analisa os sons do áudio e cria movimento de lábios, mandíbula, bochechas, olhos e cabeça para a pessoa da foto parecer falar. No VideoAny, você envia ou informa a URL de uma imagem e de um áudio, escolhe modelo e resolução e gera o clipe.

Lip sync não cria roteiro, voz ou tradução. A ferramenta usa exatamente o áudio fornecido. Para outro idioma, grave ou gere a nova locução antes; para substituir a fala dentro de um vídeo existente, use Dublagem de Vídeo.

A melhor entrada é um retrato frontal ou três quartos leve, com boca visível, expressão neutra, boa luz e apenas uma pessoa. O melhor áudio tem uma voz em primeiro plano, sem música alta, eco, saturação ou longos silêncios.

1. Abra Lip Sync e escolha o modelo. Para o primeiro teste, Fabric 480p é a opção de menor custo; use Aurora se precisar descrever expressão e movimento; escolha OmniHuman quando 1080p ou sua direção adicional forem importantes.

2. Envie uma foto autorizada ou use uma URL pública direta. Centralize um rosto, deixe olhos, nariz, boca, queixo e pescoço visíveis e evite máscara, microfone, mão, cabelo ou copo sobre os lábios.

3. Envie o áudio ou informe uma URL direta. A página detecta a duração e calcula o total. Reproduza a faixa antes de gerar para conferir começo, fim, volume e silêncio.

4. Em Aurora ou OmniHuman, escreva um prompt curto de movimento. Fabric não usa esse campo. Escolha resolução e confirme o cálculo de créditos exibido.

5. Gere e revise o vídeo sem som, depois com som e por fim quadro a quadro nos trechos problemáticos. Confira identidade, dentes, lábios, olhos, mandíbula, cabelo, fundo e duração.

Grave em ambiente silencioso, a uma distância constante do microfone. Fale em volume normal, sem sussurrar, gritar ou acelerar. Evite música, reverberação, redução de ruído agressiva e cortes no meio de sílabas.

O áudio pode estar em português brasileiro, português europeu ou outro idioma porque a ferramenta segue o sinal de voz. Ela não reescreve sotaque, gramática ou pronúncia. Revise nomes próprios, números, siglas e palavras estrangeiras antes de enviar.

Remova silêncio longo no começo e no fim, mas preserve pequenas pausas entre frases. Para roteiro de 15 segundos, escreva cerca de 30 a 40 palavras, grave e meça; ritmo varia por pessoa, então a duração real do arquivo é a referência de cobrança.

Se você só tem uma foto, traduza o roteiro, grave a nova voz em PT-BR e use Lip Sync. Se já tem um vídeo falado, use Dublagem de Vídeo para preservar o material de origem e trabalhar a nova faixa.

Não traduza palavra por palavra. Encurte ou expanda frases para manter duração, pausas e ênfase. Troque unidades, moeda, datas, tratamento e chamadas para ação pelo uso brasileiro quando a mensagem permitir.

Nomes de marca e termos técnicos devem ter pronúncia aprovada. Grave uma versão de referência e peça revisão a falante brasileiro antes de publicar uma campanha. Não clone a voz de dublador, ator, influencer ou cliente sem autorização específica.

Use pessoa fictícia ou alguém que autorizou foto, animação facial, fala, contexto, publicação e prazo. Consentimento para postar uma foto não autoriza criar vídeo, publicidade, conteúdo político, sexualização ou imitação de depoimento.

A ferramenta não clona voz; ela anima a imagem usando a gravação fornecida. Ainda assim, a faixa pode conter voz protegida ou ter sido clonada em outro serviço. Guarde autorização do locutor e não atribua áudio sintético a pessoa real.

Em vídeo realista, declare uso de IA quando a plataforma exigir. TikTok exige rótulo para AIGC realista; YouTube exige divulgação quando conteúdo realista foi significativamente alterado ou gerado. Não crie falso endosso comercial, confissão, notícia, orientação médica ou fala política.

Para personagem adulta fictícia, gere primeiro um retrato claro e inequívoco, depois use um roteiro adulto compatível com o canal. Mantenha a boca visível e limite o movimento; lingerie, cabelo, mãos e fundo podem oscilar se o prompt pedir ação corporal demais.

Para pessoa real, a autorização precisa abranger imagem, voz, IA, fala específica, nudez ou sexualização, monetização, plataformas, países, prazo, armazenamento e retirada. Um contrato de modelo convencional pode não cobrir vídeo sintético íntimo.

O gerador de imagem sem censura e o Lip Sync são fluxos separados. Não afirme que o lip sync é sem filtro: aceitação e disponibilidade podem variar por modelo ou provedor. Nunca tente contornar bloqueio para criar material ilegal ou não consentido.