生日祝福訊息
壽星的照片，配上二十個字、由溫暖語音朗讀的文字：這正是示範中的第二個範例。影片可直接透過訊息傳送，完全不用自己拍攝。
用 AI 讓照片說話
一張人臉照片，加上由目錄語音朗讀的文字：InfiniTalk 讓照片中的人開口說話，嘴型、眨眼、頭部動作一應俱全。影片時長取決於語音時長。整個工作流程無需帳號即可預覽。
互動示範
真實工作流，真實成果。可自由拖曳與縮放。
使用這個工作流真實工作流程如下：一張照片放入媒體節點，兩段文字各由一個「配音」節點朗讀，兩個設定為 InfiniTalk 的影片節點分別透過圖片端口接收照片、透過語音端口接收語音。
重點摘要
- 這個工作流會產出什麼
- 2 支影片，各 18 秒、480p、1:1 · 2 段旁白
- 畫布結構
- 8 個節點，以 6 條連線相接
- 已接好的模型
- ElevenLabs v3, InfiniTalk
- 跑完一輪的費用
- 約 446 點數，即 US$5.35
只需一張照片即可。不用拍攝影片，也不用設定虛擬形象：照片中的臉開始說話,嘴型精準對上每個音節,還有眨眼、伴隨語句的細微點頭動作。成果看起來就像對著鏡頭拍攝的實景,而它其實只源自一張手機肖像照。
文字在「配音」節點中朗讀，可選用目錄中的一種語音（首推 ElevenLabs v3）或您克隆的語音。設定為 InfiniTalk 的影片節點接收照片與語音，並輸出一段長度恰好等於音訊長度的影片，最長可達二十八秒。價格依此時長計算，以檔案實際長度為準,點擊前即會顯示。
這就是會說話的虛擬形象的手法，但用的是您本人的臉，或是生成角色、手繪吉祥物、老照片中的臉。生日祝福、產品介紹、社群公告：示範中展示了同一張照片說出兩段不同訊息的情況。
操作步驟
- 1
選擇一張正面照片
臉部清晰、嘴巴閉合且可見、光線正面、背景簡單。手機拍的肖像照就很合適。眼鏡和鬍子沒問題，但手擋住嘴巴或側臉照則不行。
- 2
撰寫文字並選擇語音
「配音」節點會用您選擇的語音，以您指定的語言朗讀您寫的文字。二十個字的句子大約需要七到八秒。請先生成語音：它決定了影片的時長與價格。
- 3
生成影片
InfiniTalk 節點會顯示語音的實際時長與確切價格。點擊後：臉部就會開始說話，可選 480p 用於社群平台，或 720p 用於需要投影的畫面。
- 4
文字太長時，分段串接
語音超過二十八秒時，將文字拆成兩段分別生成，再用「剪輯」節點免費將它們前後串接,和其他影片工作流程一樣。
變化版本與使用情境
同一塊畫布，針對不同需求微調：每個變化版本只要改兩三行提示詞。
無需拍攝的產品介紹
一張生成的肖像就能變成主持人：發布文字放入「配音」節點，照片放入媒體節點，影片以 720p 輸出,適合用於產品頁面或 UGC 廣告。
訴說往事的老照片
一張數位化的家庭合照，搭配以第一人稱撰寫的文字：臉部就會動起來並開口說話。若照片尺寸較小或有損傷，先用「畫質提升」節點處理，再送入 InfiniTalk。
發布公告的吉祥物
只要嘴型清晰可辨的手繪角色也適用：模型可以像處理照片一樣，為插畫的嘴唇添加動畫。非常適合搭配目錄中活潑的語音，在社群媒體上發布品牌公告。
同一訊息，三種語言
一張照片，三個不同語言的「配音」節點，三個 InfiniTalk 節點：同一個人可以說出英語、西班牙語、法語，每次嘴型都精準對上。若要從已拍好的影片開始，可參考配音替換。
先說話，再動起來的照片
將生成的影片送入讓照片跳舞，或作為參考素材放入影片節點：先說話，接著讓身體動起來。
常見錯誤
側臉或角度過大的四分之三側臉
模型需要看到完整的嘴巴。正面或輕微四分之三側臉時，同步效果乾淨俐落；側臉時嘴唇會變形。
照片中嘴巴張開或被遮住
露齒微笑、手放在下巴上、麥克風擋在前面，這些都會造成問題。嘴巴閉合、臉部清晰,成果才會乾淨。
在影片節點中撰寫文字
InfiniTalk 節點的提示詞描述的是態度，不是文字內容。人物所說的內容由連接的語音決定：文字應該寫在「配音」節點中。
單次語音時長過長
超過二十八秒時，節點會在生成前直接拒絕，不會扣款。請拆成兩段分別生成，再用「剪輯」節點串接。
推薦模型
InfiniTalk
ElevenLabs v3
Sync Lipsync 3
Veo 3.1 Fast常見問題
照片最多能說多長時間？
每次生成可從兩秒到二十八秒，以正常語速計算大約六十個字。影片時長恰好等於串接的語音時長：無需另外調整。
可以使用我自己的聲音嗎？
可以。將錄音檔上傳到媒體節點並連接到語音端口，或在「配音」節點中克隆您的聲音，讓它朗讀任何文字。
一定要用我自己的照片嗎？生成的角色可以嗎？
兩者皆可。由圖片節點生成的肖像、手繪吉祥物或老照片，都能像自拍照一樣正常說話，只要臉部朝前、嘴巴清晰可見即可。
如果生成失敗，會被扣款嗎？
不會。啟動時系統會先預留金額，若發生技術性失敗會自動退還。點擊按鈕前即會顯示確切金額。
和會說話的虛擬形象有什麼不同？
會說話的虛擬形象透過 Veo，一次性生成一位帶有自己聲音的虛構主持人。而這裡則是您本人的照片開口說話，語音可自由選擇，且更改文字時無需重新生成角色。
可以選擇語言嗎？
可以，在「配音」節點中選擇：ElevenLabs 的語音支援十四種語言朗讀。無論語言為何，嘴型同步都會依聲音精準對應。
影片是 16:9 還是直式？
InfiniTalk 輸出的畫面比例接近原始照片，解析度為 480p 或 720p。若需要特定比例，之後可在「剪輯」節點中重新裁切，支援 9:16、1:1 與 16:9。
可以讓多個人一起說話嗎？
每個節點只能處理一個人。若要呈現對話，可讓兩張照片分別配上各自的語音說話，再用「剪輯」節點交替呈現不同畫面。