BunCho 视频工具
一张图加台词，让照片开口说话
选一张人物或角色的图片，输入要说的台词或上传音频文件，就会生成这个人物随声音动嘴、动脸、动头说话的视频。可从 5 个模型中选择，生成前会先显示点数估算。
付费方案正式订阅后可用（免费方案和免费试用期间不可用）。生成前会先显示点数估算。
未登录时，会先登录（首次使用请注册），然后进入视频工具页面。
放进去什么、得到什么
需要提供
- 一张人物图片（单人、脸部清晰；PNG、JPEG 或 WebP；短边 300px 以上；宽高比 1:2.5～2.5:1）
- 声音：台词（300 字以内，可从 4 种声音中选择）或音频文件（30 秒以内）
- 补充指示（可选，例如：微笑着看镜头说话）
得到
图片中的人物随声音说话的视频（MP4）。时长与声音相同，2～30 秒。
适合这些场景
- 让自己画的角色或在工作室做的角色念公告或问候
- 不露脸也能准备解说视频、短视频的讲述人
- 把故事角色的台词，保留漫画分镜的画风做成说话视频
可选模型与点数参考
Kling Avatar 2.0 有 Pro 和 Standard，Standard 约为 Pro 一半的点数。OmniHuman 1.5 连手和身体也会动，但点数较多。HeyGen Avatar IV 输出 1080p，P-Video Avatar 输出 720p，是点数最少的模型。常见用法是先用点数较少的模型确认声音和图片的搭配，再用更高阶的模型做最终版。
| 模型 | 时长 | 点数参考 | 区别 |
|---|---|---|---|
| Kling Avatar 2.0 Pro默认 | 2～30 秒 | 5 秒约 438 | 画质高・需要几分钟 |
| Kling Avatar 2.0 Standard | 2～30 秒 | 5 秒约 221 | 约 Pro 一半的点数・画质稍低 |
| OmniHuman 1.5 | 2～30 秒 | 5 秒约 667 | 手和身体也会动・点数较多 |
| HeyGen Avatar IV | 2～30 秒 | 5 秒约 194 | 点数较少・1080p |
| P-Video Avatar | 2～30 秒 | 5 秒约 126 | 点数最少・快・720p |
估算页面会用同样的输入列出每个模型的点数，先比较，同意后才生成。
AI 数字人视频的做法
选图片
在工作室打开「视频工具」→「AI 数字人」，上传一张人物图片。正面、脸部大而清晰的图片效果较好。
确定声音
输入台词并选择声音，或上传 30 秒以内的音频文件。
选模型并估算
选择模型后点「估算」，会列出每个模型的点数。勾选权利确认。
生成并下载
点击显示点数的生成按钮即开始。可能需要几分钟，关闭页面也会继续处理。完成后下载。
其他视频工具
AI 数字人
用一张人物图片加上台词或音频，生成这个人物说话的视频。
5 个模型 · 5 秒约 126 点起（P-Video Avatar）
可用方案与点数
- 付费方案（浇水・种子・烧肉・全餐・团队与企业）正式订阅后可用。免费方案和付费方案的免费试用期间不可用。
- 使用的是工作室每月的 AI 点数，与小说、漫画、视频等其他功能共用同一个余额。
- 生成前，会按所选模型和时长显示点数估算。你同意之前不会生成。
- 生成失败，或在开始前取消时，不扣点数。
权利与 AI 标注
- 使用的图片、音频和视频，仅限你拥有权利或已获得使用许可的素材。真实人物的脸和声音，只有在本人同意时才能使用。
- 不得用于冒充他人，或让人看起来说了本人没说过的话。
- 生成的是 AI 视频。发布时，请按发布平台的规定标注为 AI 生成或 AI 编辑。
- 列出模型名称是因为产品中可以选择，并不代表与各公司有合作或受其推荐。
常见问题
AI 数字人视频最长几秒？
按声音时长而定，2～30 秒。台词最多 300 字，音频文件最多 30 秒。
可以用自己或朋友的照片吗？
自己的照片，或已获得本人同意的照片都可以。未经同意的真实人物照片不能使用。生成前会确认权利。
插画或动漫风格的角色也能说话吗？
只要是脸部清晰的单人图片就能用。不过嘴和脸的动态会因画风不同而变化，建议先用点数较少的模型试试。
可以用自己的声音吗？
可以。上传自己录的 30 秒以内的音频即可。只有说话声、没有音乐或杂音的音频效果较好。
会用掉多少点数？
按模型和时长而定。5 秒的参考值：P-Video Avatar 约 126，Kling Avatar 2.0 Pro 约 438（2026 年 10 月 30 日）。实际点数会在生成前的估算中显示。
相关页面
用工作室的视频工具来做
付费方案正式订阅后可用（免费方案和免费试用期间不可用）。生成前会先显示点数估算。