3分鐘用AI讓照片開口說話，去造屬于自己的夢吧

　　30秒就能完美復(fù)刻你的聲音，這就是當(dāng)今最強(qiáng)的中文AI語音克隆。

　　但是吧，我沒想到的一點(diǎn)是，居然有N多人問我的一個(gè)問題是:

　　給我整不會(huì)了。

　　因?yàn)槟瞧�文章中，我為了讓大家有一個(gè)更直觀的視覺化的感受，所以把所有的生成的語音，都變成了一段AI視頻，這樣大家的觀感可能會(huì)更好。

　　那里面的視頻是這樣的:

　　讓我沒想到的是，不僅語音大家很關(guān)心，這個(gè)對(duì)口型的視覺化的過程，大家也關(guān)心。。。

　　所以，今天，我也就寫一篇文章，正好跟大家說一下口型驅(qū)動(dòng)的做法，統(tǒng)一解決一下困惑，讓人人，都能做出一些有趣的創(chuàng)作。

　　首先，還是說工具，工具是我們的老朋友:

　　即夢。

　　即夢我已經(jīng)安利過N次了，國慶期間寫過他們的智能畫布，上上周寫過他們的v2.1新模型一鍵生成海報(bào)，這次又是它。

　　說真的，好想說一句:即夢打錢。。。

　　進(jìn)入首頁后，找到視頻生成。

　　在視頻生成的界面中。找到這個(gè)對(duì)口型。

　　這個(gè)功能，就能讓照片，開口說話了。

　　而我們要做的，就是準(zhǔn)備一張照片和一段語音，就能用這段語音，驅(qū)動(dòng)這張照片，開口說話。

　　比如，現(xiàn)在我想做一個(gè)帥哥用坤哥聲音模仿《大話西游》里面那個(gè)經(jīng)典的片段。

　　我們先隨便生成一個(gè)亞洲帥哥的照片。

　　看看這個(gè)充滿憂郁感的小眼神。

　　然后，跟上周的教程一樣，我們用海螺Audio跑一段坤哥的聲音克隆，然后，讓他來念出那一段經(jīng)典臺(tái)詞:

　　“曾經(jīng)有一份真摯的感情擺在我的面前，我沒有珍惜，等我失去的時(shí)候才追悔莫及。

　　如果上天能給我再來一次的機(jī)會(huì)，我會(huì)對(duì)那個(gè)女孩說三個(gè)字:我愛你!如果非要在這份愛上加一個(gè)期限，我希望!是一萬年!”

　　我們來聽一下，這段音頻。

　　曾經(jīng)...，數(shù)字生命卡茲克，19秒

　　再把我們的帥哥的圖片，上傳到角色那，音頻上傳到語音那。

　　當(dāng)然如果你不想用克隆的聲音，當(dāng)然也可以用即夢自己的文本朗讀，它里面默認(rèn)給你塞了N多音色，你可以選用，可惜就是沒有AI聲音克隆，所以如果對(duì)創(chuàng)作有需求的話，我覺得還是可以用海螺跑完，再扔到即夢里。

　　最重要的一點(diǎn)是，在最后的生成效果上，一定要選生動(dòng)。

　　標(biāo)準(zhǔn)是只動(dòng)嘴不動(dòng)頭，看起來就非常不自然，而生動(dòng)模式是真的嘴、眼睛、頭都在自然的運(yùn)動(dòng)，真實(shí)也自然很多。

　　唯一目前最大的缺陷就是，你不管上傳什么比例的角色，都會(huì)給你自動(dòng)裁成1:1的，無法調(diào)整，在一個(gè)群里看到他們說這塊在改了，12月可能會(huì)上，我也還在等。

　　一切就緒之后，直接點(diǎn)擊生成視頻，開跑，積分消耗的不多，基本就是1s1積分。每天登錄幾乎都會(huì)送60～100的積分。

　　大概1分鐘不到，一個(gè)19s的視頻就跑完了。

　　我們來看看效果。

　　就很堅(jiān)毅，很深情，整體的表情，也都非常的自然。

　　而這整套，真的也就幾分鐘，就完事了。也真的，有手就行。

　　而且其實(shí)不止是真人，一些2D、3D的動(dòng)漫人物，也可以用語音驅(qū)動(dòng)讓照片說話。

　　比如這個(gè)。

　　而且不止是普通說話，也能做唱歌的。

　　比如我自己，錄一首奇奇怪怪的《兩只老虎》，讓馬斯克唱出來。

　　這就是照片說話的魅力。

　　你看，我把照片喂進(jìn)去，配音扔進(jìn)去，輕輕一點(diǎn)生成，幾分鐘搞定，甚至簡單到無聊。

　　可就是這么無聊的事情，卻讓人覺得有趣。

　　大概是因?yàn)�，平凡中總能偶爾翻起點(diǎn)波浪。

　　我還記得第一次看到照片說話的作品的時(shí)候，是2023年初，汗青的AI.Talk，年輕的喬布斯和已在太空漫游的年老的馬斯克的對(duì)話。

　　坦率的講，這個(gè)作品，給我的震撼是相當(dāng)大的，這是可能只有在AI時(shí)代，才會(huì)出現(xiàn)的一種作品形式。

　　讓不可能再出現(xiàn)的人，讓不可能的時(shí)空，交織在一起。

　　這就像魔法。

　　后面，我自己也會(huì)去模仿汗青，做類似形式的作品。不過不像汗青那種非常深度、有哲理性的表達(dá)，而是更偏整活為主。

　　比如今年蘋果發(fā)布會(huì)和華為發(fā)布會(huì)在同一天召開硬碰硬，蘋果又非常拉胯，我就做了一個(gè)相同的形式，來去吐槽蘋果。

　　數(shù)字生命卡茲克，贊708

　　這個(gè)片子里的說話鏡頭，就是即夢的對(duì)口型做的。

　　當(dāng)時(shí)我只有一個(gè)想法，如果喬布斯還在，當(dāng)他看到如今的蘋果，他會(huì)說些什么?

　　得益于AI，我們可以只花幾個(gè)小時(shí)的時(shí)間，一切都能，躍然紙上。

　　你甚至不用想太多，只需要?jiǎng)觿?dòng)手，分分鐘，就造一個(gè)世界。

　　那個(gè)喬布斯和庫克還能在一起對(duì)談的，平行世界。

　　這是歷史、當(dāng)下和未來。

　　就像小時(shí)候，我們經(jīng)常在老家的樹林里，偷偷摸摸撿起一根枯樹枝，用它來在地上畫畫，用它來一場小孩子之間的決斗游戲，用它，來肆意的發(fā)揮我們的想象力。

　　那就像一個(gè)，無所不能的神器。

　　而現(xiàn)在，你手上的AI，就是新的枯樹枝。

　　這就是技術(shù)的浪漫。

　　當(dāng)你也想去試試，AI Talk的形式，來做一點(diǎn)自己的小作品的時(shí)候。

　　那一刻，你會(huì)發(fā)現(xiàn)，

　　這不僅僅是照片開口說話，

　　而是你心里的某個(gè)聲音。

　　被放大了。