3分钟用AI让照片开口说话，去造属于自己的梦吧。 * { margin: 0; padding: 0; outline: 0; } body { font-family: “PingFang SC”, system-ui, -apple-system, BlinkMacSystemFont, “Helvetica Neue”, “Hiragino Sans GB”, “Microsoft YaHei UI”, “Microsoft YaHei”, Arial, sans-serif; line-height: 1.6; } .__page_content__ { max-width: 667px; margin: 0 auto; padding: 20px; text-size-adjust: 100%; color: rgba(0, 0, 0, 0.9); padding-bottom: 64px; } .title { user-select: text; font-size: 22px; line-height: 1.4; margin-bottom: 14px; font-weight: 500; } .__meta__ { color: rgba(0, 0, 0, 0.3); font-size: 15px; line-height: 20px; hyphens: auto; word-break: break-word; margin-bottom: 50px; } .__meta__ .nick_name { color: 576B95; } .__meta__ .copyright { color: rgba(0, 0, 0, 0.3); background-color: rgba(0, 0, 0, 0.05); padding: 0 4px; margin: 0 10px 10px 0; } blockquote.source { padding: 10px; margin: 30px 0; border-left: 5px solid ccc; color: #333; font-style: italic; word-wrap: break-word; } blockquote.source a { cursor: pointer; text-decoration: underline; } .item_show_type_0 > section { margin-top: 0; margin-bottom: 24px; } a { color: 576B95; text-decoration: none; cursor: default; } .text_content { margin-bottom: 50px; user-select: text; font-size: 17px; white-space: pre-wrap; word-wrap: break-word; line-height: 28px; hyphens: auto; } .picture_content .picture_item { margin-bottom: 30px; } .picture_content .picture_item .picture_item_label { text-align: center; } img { max-width: 100%; } .pay_subscribe_notice { margin: 30px 0; padding: 20px; background: fffbe6; border: 1px solid ffe58f; border-radius: 8px; } .pay_subscribe_badge { display: inline-block; padding: 4px 12px; background: faad14; color: fff; border-radius: 4px; font-size: 14px; font-weight: 500; margin-bottom: 12px; } .pay_subscribe_desc { font-size: 15px; line-height: 1.8; color: rgba(0, 0, 0, 0.7); margin-bottom: 12px; } .pay_subscribe_hint { font-size: 13px; color: rgba(0, 0, 0, 0.4); } .__bottom-bar__ { display: flex; justify-content: space-between; align-items: center; position: fixed; bottom: 0; left: 0; right: 0; height: 64px; padding: 8px 20px; background: white; box-sizing: border-box; border-top: 1px solid rgba(0, 0, 0, 0.2); } .__bottom-bar__ .left { display: flex; align-items: center; font-size: 15px; white-space: nowrap; } .__bottom-bar__ .right { display: flex; } .__bottom-bar__ .sns_opr_btn { display: flex; align-items: center; user-select: none; background: transparent; border: 0; color: rgba(0, 0, 0, 0.9); font-size: 14px; } .__bottom-bar__ .sns_opr_btn:not(:last-child) { margin-right: 16px; } .__bottom-bar__ .sns_opr_btn > img { margin-right: 4px; }
3分钟用AI让照片开口说话，去造属于自己的梦吧。
原创 数字生命卡兹克 数字生命卡兹克 2024-12-16 09:01 广东
上周我不是写了一篇海螺新上线的AI声音克隆吗，那篇文章数据蛮不错，有很多人转发和评论。
30秒就能完美复刻你的声音，这就是当今最强的中文AI语音克隆。
但是吧，我没想到的一点是，居然有N多人问我的一个问题是：
给我整不会了。
因为那篇文章中，我为了让大家有一个更直观的视觉化的感受，所以把所有的生成的语音，都变成了一段AI视频，这样大家的观感可能会更好。
那里面的视频是这样的：
让我没想到的是，不仅语音大家很关心，这个对口型的视觉化的过程，大家也关心。。。
所以，今天，我也就写一篇文章，正好跟大家说一下口型驱动的做法，统一解决一下困惑，让人人，都能做出一些有趣的创作。
首先，还是说工具，工具是我们的老朋友：
即梦。
网址在此：https://jimeng.jianying.com/ai-tool/home
即梦我已经安利过N次了，国庆期间写过他们的智能画布，上上周写过他们的v2.1新模型一键生成海报，这次又是它。
说真的，好想说一句：即梦打钱。。。
进入首页后，找到视频生成。
在视频生成的界面中。找到这个对口型。
这个功能，就能让照片，开口说话了。
而我们要做的，就是准备一张照片和一段语音，就能用这段语音，驱动这张照片，开口说话。
比如，现在我想做一个帅哥用坤哥声音模仿《大话西游》里面那个经典的片段。
我们先随便生成一个亚洲帅哥的照片。
看看这个充满忧郁感的小眼神。
然后，跟上周的教程一样，我们用海螺Audio跑一段坤哥的声音克隆，然后，让他来念出那一段经典台词：
“曾经有一份真挚的感情摆在我的面前，我没有珍惜，等我失去的时候才追悔莫及。
如果上天能给我再来一次的机会，我会对那个女孩说三个字：我爱你！如果非要在这份爱上加一个期限，我希望！是一万年！”
我们来听一下，这段音频。
再把我们的帅哥的图片，上传到角色那，音频上传到语音那。
当然如果你不想用克隆的声音，当然也可以用即梦自己的文本朗读，它里面默认给你塞了N多音色，你可以选用，可惜就是没有AI声音克隆，所以如果对创作有需求的话，我觉得还是可以用海螺跑完，再扔到即梦里。
最重要的一点是，在最后的生成效果上，一定要选生动。
标准是只动嘴不动头，看起来就非常不自然，而生动模式是真的嘴、眼睛、头都在自然的运动，真实也自然很多。
唯一目前最大的缺陷就是，你不管上传什么比例的角色，都会给你自动裁成1:1的，无法调整，在一个群里看到他们说这块在改了，12月可能会上，我也还在等。
一切就绪之后，直接点击生成视频，开跑，积分消耗的不多，基本就是1s1积分。每天登录几乎都会送60～100的积分。
大概1分钟不到，一个19s的视频就跑完了。
我们来看看效果。
就很坚毅，很深情，整体的表情，也都非常的自然。
而这整套，真的也就几分钟，就完事了。也真的，有手就行。
而且其实不止是真人，一些2D、3D的动漫人物，也可以用语音驱动让照片说话。
比如这个。
而且不止是普通说话，也能做唱歌的。
比如我自己，录一首奇奇怪怪的《两只老虎》，让马斯克唱出来。
这就是照片说话的魅力。
你看，我把照片喂进去，配音扔进去，轻轻一点生成，几分钟搞定，甚至简单到无聊。
可就是这么无聊的事情，却让人觉得有趣。
大概是因为，平凡中总能偶尔翻起点波浪。
我还记得第一次看到照片说话的作品的时候，是2023年初，汗青的AI.Talk，年轻的乔布斯和已在太空漫游的年老的马斯克的对话。
坦率的讲，这个作品，给我的震撼是相当大的，这是可能只有在AI时代，才会出现的一种作品形式。
让不可能再出现的人，让不可能的时空，交织在一起。
这就像魔法。
后面，我自己也会去模仿汗青，做类似形式的作品。不过不像汗青那种非常深度、有哲理性的表达，而是更偏整活为主。
比如今年苹果发布会和华为发布会在同一天召开硬碰硬，苹果又非常拉胯，我就做了一个相同的形式，来去吐槽苹果。
这个片子里的说话镜头，就是即梦的对口型做的。
当时我只有一个想法，如果乔布斯还在，当他看到如今的苹果，他会说些什么？
得益于AI，我们可以只花几个小时的时间，一切都能，跃然纸上。
你甚至不用想太多，只需要动动手，分分钟，就造一个世界。
那个乔布斯和库克还能在一起对谈的，平行世界。
这是历史、当下和未来。
就像小时候，我们经常在老家的树林里，偷偷摸摸捡起一根枯树枝，用它来在地上画画，用它来一场小孩子之间的决斗游戏，用它，来肆意的发挥我们的想象力。
那就像一个，无所不能的神器。
而现在，你手上的AI，就是新的枯树枝。
这就是技术的浪漫。
当你也想去试试，AI Talk的形式，来做一点自己的小作品的时候。
那一刻，你会发现，
这不仅仅是照片开口说话，
而是你心里的某个声音。
被放大了。
以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标⭐～谢谢你看我的文章，我们，下次再见。
>/ 作者：卡兹克
>/ 投稿或爆料，请联系邮箱：wzglyay@gmail.com
数字生命卡兹克
 阅读 赞  分享 ‘%3E %3Cg transform=‘translate(0 -2.349)‘%3E %3Cpath d=‘M0 2.349h24v24H0z’/%3E %3Cpath fill=‘%23576B95’ d=‘M16.45 7.68c-.954 0-1.94.362-2.77 1.113l-1.676 1.676-1.853-1.838a3.787 3.787 0 0 0-2.63-.971 3.785 3.785 0 0 0-2.596 1.112 3.786 3.786 0 0 0-1.113 2.687c0 .97.368 1.938 1.105 2.679l7.082 6.527 7.226-6.678a3.787 3.787 0 0 0 .962-2.618 3.785 3.785 0 0 0-1.112-2.597A3.687 3.687 0 0 0 16.45 7.68zm3.473.243a4.985 4.985 0 0 1 1.464 3.418 4.98 4.98 0 0 1-1.29 3.47l-.017.02-7.47 6.903a.9.9 0 0 1-1.22 0l-7.305-6.73-.008-.01a4.986 4.986 0 0 1-1.465-3.535c0-1.279.488-2.56 1.465-3.536A4.985 4.985 0 0 1 7.494 6.46c1.24-.029 2.49.4 3.472 1.29l.01.01L12 8.774l.851-.85.01-.01c1.046-.951 2.322-1.434 3.59-1.434 1.273 0 2.52.49 3.472 1.442z’/%3E %3C/g%3E %3C/g%3E %3C/g%3E%3C/svg%3E) 推荐 ’ fill=‘%23000’ fill-opacity=’.9’/%3E%3C/svg%3E) 留言