演播室主播
明亮的演播室构图、眼神看向镜头——口播公告或产品演示的默认观感。
Renoise AI 会说话的照片生成器
让一张静态照片化身唇形同步的口播数字人，念出任意台词。
怎样把照片变成会说话的数字人？
把一张清晰的正面人像拖进 Renoise Canvas，输入要念的台词或附上音频，然后用 Kling 3.0 Omni 渲染。它的原生唇形同步会根据你的文字驱动嘴部和面部，把静态照片变成会说话的数字人。如果是真人，请先通过 FacePass 完成肖像授权。
本指南面向唇形同步的口播数字人。如果只想让照片产生没有对白的常规动态，请查看 AI 照片转视频指南
让照片开口说话
在 Renoise 里用三步把一张人像变成唇形同步的口播数字人。
Step 1拖入照片
把一张清晰的正面人像拖进 Canvas。如果是真人，请先通过 FacePass 完成肖像授权。
Step 2输入台词
在提示词里写下要念的台词，或附上一段音频——Kling 3.0 Omni 会把它当作唇形同步的来源。
Step 3选择 Kling 3.0 Omni
在模型菜单里选择 Kling 3.0 Omni 以启用原生唇形同步，然后渲染口播片段。
为口播数字人而生
用 Renoise 制作的主播风格片段——正是会说话的照片切到的那种构图。
平静的直接讲述
一张安静的户外人像，主角直视前方——传递真诚口播信息的自然构图。
街头出镜口播
人物稳稳立于繁忙街道之前——出外景口播片段的记者式布置。
杂志风人像
一张自信的户外人像衬以干净墙面——适合做主持人开场或发言人数字人。
会说话的照片与完整 AI 视频的区别，以及唇形同步的原理
会说话的照片和完整 AI 视频不是一回事。常规的文生视频片段会凭一段提示词凭空生成动作、运镜和整个场景。而会说话的照片从你提供的一张静态人像出发，只加上一样东西：由音频驱动的嘴部和面部。画面、身份和构图都锚定在你的照片上，只有说话这一部分在动。正因如此，它看起来还是同一个人，而不是一次全新生成。
唇形同步是把语音映射到口型的技术。每一个音素——单词中各不相同的发音——都对应一个视位，也就是观众预期看到的口型。模型逐帧把它们对齐，让嘴唇、下巴和脸颊跟随你提供的任意音频，无论是它替你念出的文字台词，还是你附上的录音。
在 Renoise 里，Kling 3.0 Omni 原生处理这一切——无需另外加挂一道唇形同步流程。你拖入人像，提供台词或语音轨，模型一步就渲染出口播片段。如果是真人，FacePass 会先完成肖像授权，并在整段片段里稳住那张脸，让数字人在说话时始终可辨认。
用到的 Renoise 能力
会说话的照片依赖几项能力——而 Renoise 在一块画布里同时给你 Kling 3.0 Omni 和其它众多视频模型。
FacePass
为视频完成真人肖像授权，让他们的照片可以合法地变成会说话的数字人。
Kling 3.0 Omni 唇形同步
原生唇形同步根据你的台词或音频驱动嘴部和面部——无需另装唇形同步工具。
台词或音频输入
用输入的文字或附上的语音轨驱动数字人，支持多种口语语言。
多模型，一画布
逐段在 Kling 3.0 Omni 和其它视频模型之间切换——全在同一个项目里。
Choose your plan
一个套餐即可解锁 Kling 3.0 Omni 和其它所有视频模型。
✓ Your current plan
Starter
$20/mo
Upgrade Plan1,200©/mo
$1.67 / 100©Generate up to 3,000 images or 150 videos every month.✓Watermark-free exports
✓20 FacePass Assets
✓Image Models
✓Video Models
✓ Your current plan
Standard
$60/mo
Upgrade Plan3,600©/mo
$1.67 / 100©Generate up to 9,000 images or 450 videos every month.✓Watermark-free exports
✓50 FacePass Assets
✓Latest Image Models
GPT Image 2 Nano Banana 2 Nano Banana Pro Midjourney V7
✓Latest Video Models
Seedance 2.0 HappyHorse 1.0
◈ Best Value✓ Your current plan
Advance
$200/mo
Upgrade Plan14,000©/mo
$1.43 / 100©Generate up to 35,000 images or 1,750 videos every month.✓Watermark-free exports
✓Unlimited FacePass Assets
✓Latest SOTA Image Models
GPT Image 2 Nano Banana 2 Nano Banana Pro Midjourney V7
✓Latest SOTA Video Models
Seedance 2.0 HappyHorse 1.0
常见问题
1.怎样用 AI 让照片开口说话？
把一张清晰的正面人像拖进 Renoise Canvas，输入要念的台词或附上音频，然后用 Kling 3.0 Omni 渲染。它的原生唇形同步会根据你的文字驱动嘴部和面部，把静态照片变成会说话的数字人。
2.会说话的照片还是单纯照片转视频——该看哪一页？
当你想让照片配着同步音频说话时，用这个流程。如果只想要常规动态——运镜、主角转身或走动、没有对白——那属于照片动画，请改看我们的 /guides/ai-photo-to-video 指南。
3.可以用真人的照片吗？
可以，前提是你拥有该肖像的权利。视频模型默认会屏蔽真实人脸，所以请先通过 FacePass 完成肖像授权。FacePass 是在真人肖像变成会说话的数字人之前进行合规授权的途径。
4.可以让名人的照片说话吗？
不行。FacePass 只为你有权使用的肖像授权，不允许使用你并不代理的名人或公众人物。请改用你自己的照片、已征得同意的对象，或一张完全原创的 AI 生成人脸。
5.数字人会对我自己的音频做唇形同步吗？
会。附上一段语音轨，Kling 3.0 Omni 就会把它当作唇形同步来源，让嘴部贴合你的录音。你也可以输入台词让模型念出来——两者驱动的是同一套原生唇形同步。
6.会说话的数字人支持哪些语言？
Kling 3.0 Omni 支持多种口语语言的唇形同步。用目标语言输入台词，或附上该语言的音频，嘴部动作就会跟随所给内容的音素。
7.一段会说话的照片片段能有多长？
Kling 3.0 Omni 每段片段上限为 15 秒。若要做更长的演示，可把台词拆成若干段，分别渲染成独立片段，再在 Canvas Timeline 上拼接起来。
By Marvin, RenoiseLast reviewed Models verified: Kling 3.0 Omni, FacePass