- 月访问量
- 5,055
- 2026-09
- 月流量增速 +84.3%
Infinite Talk AI - 将人像和音频转换为口型同步的说话视频
Infinite Talk AI 将人像和语音音频生成说话视频,并根据音频驱动口型、表情、头部和身体动作。InfiniteTalk 可生成最长 10 分钟的 480p 视频,Wan 2.2 S2V 适合提示词引导的动作,OmniHuman 适合短片。上传人像和音频,选择模型后生成并下载视频。

核心能力
音频驱动人像动画
根据人像和语音音频生成说话视频,并由音频驱动口型、表情、头部动作和可见的身体动作。上传清晰人像和音频文件后选择模型;结果会受输入内容和分辨率影响。
长视频生成
InfiniteTalk 单次请求可在 480p 下生成最长 600 秒的视频。上传人像和音频;如需 720p,音频时长必须不超过 60 秒。
三种视频生成模型
提供 InfiniteTalk、Wan 2.2 S2V 和 OmniHuman,适用于不同视频工作流。长视频可选 InfiniteTalk,提示词引导动作可选 Wan 2.2 S2V,短人像表演可选 OmniHuman。
按秒计算点数
根据核验后的音频时长计算生成点数,费率取决于所选模型和分辨率。可购买点数套餐以使用视频生成模型。
定价
提供付费点数套餐,可选择月付、年付或一次性付款。选择时可比较包含的点数、付款条件和生成功能;生成所需点数还取决于模型和分辨率。
| 套餐 | 价格 | 包含内容与使用额度 |
|---|---|---|
| Starter | 一次性 $20;或 $6.9/月 |
|
| Basic | 一次性 $40;或按年计费 $21.9/月 |
|
| Pro | 一次性 $60;或按年计费 $36.9/月 |
|
定价页面将订阅选项标为 Monthly 和 Annual,并说明年付包含 12 次每月点数发放。一次性付款支持 WeChat Pay。
使用场景
制作课程讲解视频
课程、入职介绍或培训演示需要虚拟讲解者时,上传讲师人像和课程录音。InfiniteTalk 单次请求在 480p 下最长支持 10 分钟;720p 音频须不超过 60 秒。
制作产品讲解员视频
产品旁白需要出镜讲解者但不想为每个版本重新拍摄时,提供一张获准使用的人像和旁白音频。Infinite Talk AI 可生成说话讲解员视频,也可用于多语言产品说明。
制作人像演唱视频
需要为人声曲目制作视觉表演时,提交歌手人像和演唱音频。生成视频使用音频驱动的口型同步和面部动作,可用于音乐视觉内容、翻唱或社交短片。
将播客音频转为角色视频
旁白、评论或播客片段需要视觉角色时,提供人像和音频。需要提示词引导的身体动作时,可以选择 Wan 2.2 S2V。
使用限制
InfiniteTalk 单次请求在 480p 下最长支持 600 秒;720p 音频时长必须不超过 60 秒。
OmniHuman 面向短片,建议音频时长不超过 15 秒。
画面一致性取决于人像、音频、时长、所选分辨率和动作复杂度。
适用人群
制作虚拟讲解课程内容的教育工作者
制作旁白产品说明视频的营销团队
将音频和人像制作成角色视频的创作者
常见问题
InfiniteTalk 可以生成 10 分钟视频吗?
可以。InfiniteTalk 单次请求在 480p 下最长支持 600 秒。使用 720p 时,音频时长应不超过 60 秒。
应该选择哪种模型?
长篇说话视频选 InfiniteTalk,提示词引导的表现性动作选 Wan 2.2 S2V,精致的短人像和风格化角色选 OmniHuman。
生成点数如何计算?
点数根据核验后的音频时长计算,费率因模型和分辨率而异。例如,InfiniteTalk 在 480p 下每秒 2 点,720p 下每秒 4 点。
InfiniteTalk 支持 720p 吗?
支持。InfiniteTalk 可为不超过 60 秒的音频生成 720p 视频;最长 600 秒的请求支持 480p。
OmniHuman 建议使用多长的音频?
OmniHuman 建议音频不超过 15 秒,以生成精致的短片。
评论